Python 模型持久化
1 声明
本文的数据来自网络，部分代码也有所参照，这里做了注释和延伸，旨在技术交流，如有冒犯之处请联系博主及时处理。
2 模型持久化简介
当我们需要将我们的模型与其它的应用或者软件集成时，我们一般需要将模型持久化。持久化即将训练后的模型导出成文件.在sklearn 里通过joblib的dump方法进行导出，load方法进行加载，实例化分类对象后预测。
3 模型持久化代码示例
#加载相关包和数据
from sklearn.ensemble import RandomForestClassifier
from sklearn import datasets
from sklearn.externals import joblib
iris = datasets.load_iris()
features = iris.data
target = iris.target
classifer = RandomForestClassifier()
model = classifer.fit(features, target)
# 以pickle文件格式报错模型
joblib.dump(model, "model.pkl")
# 从持久化文件里加载模型
classifer = joblib.load("model.pkl")
new_observation = [[ 5.2, 3.2, 1.1, 0.1]]
# 预测新观测
print(classifer.predict(new_observation))
4 总结
无
