概述
前提：在做模型训练的时候，尤其是在训练集上做交叉验证，通常想要将模型保存下来，然后放到独立的测试集上进行测试，本文主要介绍如何利用python中的sklearn.externals 模块保存训练模型，并在测试集进行使用。
#建立模型
from sklearn.ensemble import RandomForestClassifier
X ---- 特征变量，y ----- 目标变量
clf = RandomForestClassifier(random_state=0, n_jobs = -1)
clf.fit(X, y)
## 通过joblib的dump可以将模型保存到本地，clf是训练的分类器
from sklearn.externals import joblib
joblib.dump(clf, "RandomForestClassifier_model.m")
#模型从本地调回
clf = joblib.load("RandomForestClassifier_model.m")
#在测试集上测试
clf.predit(testing_X) # testing_X为测试集
最后
以上就是忐忑万宝路为你收集整理的如何利用python中的sklearn.externals 模块保存加载训练模型的全部内容，希望文章能够帮你解决如何利用python中的sklearn.externals 模块保存加载训练模型所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复