Python scikit-learn：导出训练有素的分类器

3 回答

• 58

  您可以使用：

  >>> from sklearn.externals import joblib
  >>> joblib.dump(clf, 'my_model.pkl', compress=9)
  

  然后，在预测服务器上：

  >>> from sklearn.externals import joblib
  >>> model_clone = joblib.load('my_model.pkl')
  

  这基本上是一个Python pickle，具有针对大型numpy数组的优化处理 . 它与常规泡菜w.r.t具有相同的局限性 . 代码更改：如果pickle对象的类结构发生更改，则可能无法再使用nolearn或scikit-learn的新版本对该对象进行unpickle .

  如果您想要长期稳健的存储模型参数的方法，您可能需要编写自己的IO层（例如使用二进制格式序列化工具，如协议缓冲区或avro或低效但可移植的text / json / xml表示，如PMML） .

  回复于 2024-05-09T22:54:48+08:00
• 8

  pickling / unpickling的缺点是它只适用于匹配的python版本（主要版本，也可能是次要版本）和sklearn，joblib库版本 .

  机器学习模型还有其他描述性输出格式，例如由Data Mining Group开发的，例如预测模型标记语言（PMML）和可移植分析格式（PFA） . 在这两者中，PMML是much better supported .

  因此，您可以选择将模型从scikit-learn保存到PMML（例如使用sklearn2pmml），然后使用jpmml在java，spark或hive中部署和运行它（当然您有更多选择） .

  回复于 2024-05-09T22:54:48+08:00
• 3

  scikit-learn文档中的3.4. Model persistence部分几乎涵盖了所有内容 .

  除了 sklearn.externals.joblib ogrisel指出，它还显示了如何使用常规的泡菜包：

  >>> from sklearn import svm
  >>> from sklearn import datasets
  >>> clf = svm.SVC()
  >>> iris = datasets.load_iris()
  >>> X, y = iris.data, iris.target
  >>> clf.fit(X, y)  
  SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
    kernel='rbf', max_iter=-1, probability=False, random_state=None,
    shrinking=True, tol=0.001, verbose=False)
  
  >>> import pickle
  >>> s = pickle.dumps(clf)
  >>> clf2 = pickle.loads(s)
  >>> clf2.predict(X[0])
  array([0])
  >>> y[0]
  0
  

  并提供一些警告，例如在一个版本的scikit-learn中保存的模型可能无法在另一个版本中加载 .

  回复于 2024-05-09T22:54:48+08:00