机器学习-模型的保存和加载

1、模型的保存和加载作用：将训练好的模型进行保存，方便下次直接加载进行使用。
2、API：sklearn.externals import joblib（注意：在这部分导入包时可能会报错，没有joblib这个包，如报错可以直接import joblib）

• 保存：joblib.dump(estimator, "./test.pkl")
• 加载：joblib.load("./test.pkl")
• 注意：
  (1)、保存文件，后缀名是.pkl。
  (2)、加载模型时需要通过一个变量来承接。

3、代码示范-1 保存时🌰：

# coding:utf-8


from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression, SGDRegressor, RidgeCV, Ridge
from sklearn.metrics import mean_squared_error
# from sklearn.externals import joblib
import joblib


def dump_load():
    """
    模型保存和加载
    :return:None
    """

    # 1.获取数据
    boston = load_boston()
    # print(boston)

    # 2.数据基本处理
    # 2.1 分割数据
    x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=22, test_size=0.2)

    # 3.特征工程-标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.fit_transform(x_test)

    # 4.机器学习-模型训练-线性回归
    # 4.1 模型训练
    estimator = Ridge(alpha=1.0)
    estimator = RidgeCV(alphas=(0.001, 0.01, 0.1, 1, 10, 100))
    estimator.fit(x_train, y_train)

    # 4.2 模型保存
    joblib.dump(estimator, "./test.pkl")

    # # 4.3 模型加载
    # estimator = joblib.load("./test.pkl")

    print("这个模型的偏置是:\n", estimator.intercept_)
    print("这个模型的系数是:\n", estimator.coef_)

    # 5.模型评估
    # 5.1 预测值
    y_pre = estimator.predict(x_test)
    print("预测值是:\n", y_pre)

    # 5.2 均方误差
    ret = mean_squared_error(y_test, y_pre)
    print("均方误差:\n", ret)


if __name__ == '__main__':
    dump_load()

3.1 模型保存时的运行结果：

模型保存时的运行结果.png

3、代码示范-2 加载时🌰：

# coding:utf-8


from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression, SGDRegressor, RidgeCV, Ridge
from sklearn.metrics import mean_squared_error
# from sklearn.externals import joblib
import joblib


def dump_load():
    """
    模型保存和加载
    :return:None
    """

    # 1.获取数据
    boston = load_boston()
    # print(boston)

    # 2.数据基本处理
    # 2.1 分割数据
    x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=22, test_size=0.2)

    # 3.特征工程-标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.fit_transform(x_test)

    # 4.机器学习-模型训练-线性回归
    # # 4.1 模型训练
    # estimator = Ridge(alpha=1.0)
    # estimator = RidgeCV(alphas=(0.001, 0.01, 0.1, 1, 10, 100))
    # estimator.fit(x_train, y_train)
    #
    # # 4.2 模型保存
    # joblib.dump(estimator, "./test.pkl")

    # 4.3 模型加载
    estimator = joblib.load("./test.pkl")

    print("这个模型的偏置是:\n", estimator.intercept_)
    print("这个模型的系数是:\n", estimator.coef_)

    # 5.模型评估
    # 5.1 预测值
    y_pre = estimator.predict(x_test)
    print("预测值是:\n", y_pre)

    # 5.2 均方误差
    ret = mean_squared_error(y_test, y_pre)
    print("均方误差:\n", ret)


if __name__ == '__main__':
    dump_load()

3.2、模型加载时运行结果：

模型加载时运行结果.png

总结：模型加载时和保存时运行的结果是一样的，因为加载了以保存的模型，直接调用运行的。