机器学习模型的保存与调用

机器学习模型的保存与调用

在机器学习中常常会用到将训练好的模型保存，以便于在使用时不用再次训练数据，就可以直接使用训练好的模型。

模型的保存

以sklearn中随机森林分类为例

> #加载数据集
from  import load_breast_cancer
import pandas as pd
from  import RandomForestClassifier
from  import joblib
df = load_breast_cancer()
#将数据转化为DataFrame
df_y = ()
df = (, columns=df.feature_names)
df['Y'] = df_y
#数据分割，将数据的后百分之20作为测试集
df_train = [:-([0]//5), :]
df_test = [-([0]//5):, :]
X_train = df_train[:, :-1]
Y_train = df_train[:, -1]
X_test = df_test[:, :-1]
Y_test = df_test[:, -1]
#随机森林模型
path = "D:/学习任务/第二周/分类/随机森林/"
model = RandomForestClassifier(n_estimators=100, max_depth=None, min_samples_split=2, max_leaf_nodes=None)
(X_train, Y_train)
Y_pred = (X_test)
#模型保存
(model, path)

模型的调用

path = "D:/学习任务/第二周/分类/随机森林/"
model = (path)

这样就把刚刚训练好的模型调出来了，可以用来对新数据的分类处理。