【问题标题】：Training only once in SVM python在 SVM python 中只训练一次
【发布时间】：2017-04-11 05:09:16
【问题描述】：

我正在从事一个与检测人脸情绪相关的项目。我首先使用 SVM 训练图像，然后使用这些训练数据来预测新图像。但是我必须在测试新图像之前训练所有时间。有什么方法可以存储训练好的数据并每次都使用它来测试新图像？

clf = SVC(kernel='linear', probability=True, tol=1e-3)
def train():
    train_data,train_label = trainfiles()
    data = np.array(train_data)
    label = np.array(train_label)
    clf.fit(data,label)

【问题讨论】：

尝试新图像时，是否需要输入新的训练数据？还是您只需要一种方法来保存您的模型，然后在测试数据上使用它？
@MohamedALANI 只需保存模型一次，然后使用它来测试新图像。

标签： python opencv svm

【解决方案1】：

分类器只是你可以像其他任何东西一样转储的对象：

保存分类器

from sklearn.externals import joblib
joblib.dump(clf, 'filename.pkl')

再次加载

clf = joblib.load('filename.pkl')

【讨论】：