Python之模型的保存和加载-5.3

　　一、模型的保存，主要是我们在训练完成的时候把训练下来的数据保存下来，这个也就是我们后续需要使用的模型算法。模型的加载，在保存好的模型上面我们通过原生保存好的模型，去计算新的数据，这样不用每次都要去训练，然后才能计算新的值的预测值。

　　二、代码

from sklearn.datasets import load_iris

from sklearn.model_selection import GridSearchCV, train_test_split

from sklearn.neighbors import KNeighborsClassifier

from sklearn.preprocessing import StandardScaler

from sklearn.externals import joblib

def k_near_save_load():

    # 1、原始数据

    li = load_iris()

    # 2、处理数据

    data = li.data

    target = li.target

    x_train, x_test, y_train, y_test = train_test_split(data, target, test_size=0.25)

    # 3、特征工程

    std = StandardScaler()

    x_train = std.fit_transform(x_train, y_train)

    x_test = std.transform(x_test)

    # 4、算法

    knn_gc = KNeighborsClassifier()

    # 构造值进行搜索

    param= {"n_neighbors": [2, 3, 5]}

    # 网格搜索

    gc = GridSearchCV(knn_gc, param_grid=param,cv=4)

    gc.fit(x_train, y_train)

    # 5、评估

    print("测试集的准确率：", gc.score(x_test, y_test))

    print("交叉验证当中最好的结果：", gc.best_score_)

    print("选择最好的模型：", gc.best_estimator_)

    print("每个超参数每次交叉验证结果：", gc.cv_results_)

    # 6、保存模型

    joblib.dump(gc, "model/k_near.pkl")

    # 7、模型的加载使用

    model = joblib.load("model/k_near.pkl")

    m_predict = model.predict(x_test)

    print("保存模型的测试结果：", m_predict)

秒客网

Python之模型的保存和加载-5.3

相关文章