从 sklearn “传输”训练有素的模型的最佳实践

【问题标题】：Best practice to "transport" trained model from sklearn从 sklearn “传输”训练有素的模型的最佳实践
【发布时间】：2016-11-08 13:01:07
【问题描述】：

import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model


# Create linear regression object
regr = linear_model.LinearRegression()

# Train the model using the training sets
regr.fit(X_train, y_train)
# how save ?????
# save here

保存训练好的模型并在其他地方使用的最佳实践是什么？

【问题讨论】：

标签： python python-2.7 machine-learning sklearn-pandas

【解决方案1】：

sklearn 有一个 joblib 模块，用于持久化模型和/或保存到文件：

from sklearn.externals import joblib

joblib.dump(regr, 'file_name.pkl')

# load pickled model later
regr = joblib.load('file_name.pkl')

您也可以使用 Python 的内置 pickle，但 docs 建议使用 joblib 来有效地酸洗具有大型 numpy 数组的对象

【讨论】：

这是pickle文件类型吗？
类似，但如果你用joblib序列化，你可能不能用pickle反序列化。