python机器学习 保存/读取模型

参考链接： Python保存机器学习模型

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测试，下面介绍的是Python中训练模型的保存和再使用。 

scikit-learn已经有了模型持久化的操作，导入joblib即可： 

from sklearn.externals import joblib 

模型保存 

>>> os.chdir("workspace/model_save")

>>> from sklearn import svm

>>> X = [[0, 0], [1, 1]]

>>> y = [0, 1]

>>> clf = svm.SVC()

>>> clf.fit(X, y)  

>>> clf.fit(train_X,train_y)

>>> joblib.dump(clf, "train_model.m") 

通过joblib的dump可以将模型保存到本地，clf是训练的分类器 

模型从本地导入 

>>> clf = joblib.load("train_model.m") 

通过joblib的load方法，加载保存的模型。 

然后就可以在测试集上测试了 

clf.predit(test_X) #此处test_X为特征集 

转载自博客