Demo3 - 保存训练后模型

训练好的模型，需要保存好，下次就直接拿来用，相当于是机器学习的成果。不用每次都去学习了， 直接保存成文件，然后下个项目直接导入，就可以使用了。

目前两种方法比较好用。

1. python自带pickle
2. sklearn joblib工具

还是直接上代码，两种方式都已经在注释里面。

# -- coding: utf-8 --
# 通过本个demo 将学习后的模型进行保存。 这样就不用每次都重新训练模型。
# （模型的保留的迁移）

# 方法1，使用python自带的pickle
from sklearn.ensemble import RandomForestClassifier
from sklearn import datasets
from sklearn.externals import joblib
import pickle # ->python 自带

#  使用sklearn提供的一些demo数据，load_xxxx数据


(X,y) = datasets.load_iris(return_X_y=True)

# 模型构建
rfc = RandomForestClassifier(n_estimators=100,max_depth=100)
rfc.fit(X,y)

# 验证模式
print("模型初步验证：")
print(rfc.predict(X[0:1,:]))

# -- 重点！ save Model
# file = open('saved_model/rfc.pickle','w')
# pickle.dump(rfc,file)
# file.close()

joblib.dump(rfc,'saved_model/rfc.pkl')  # - 官方建议方式joblib

print("模型已经保存到 saved_model")

一些附加知识

Pickle是python中一种标准的序列化对象的方法。你可以使用pickle操作来序列化你的机器学习算法，保存这种序列化的格式到一个文件中。稍后你可以导入这个文件反序列化你的模型，用它进行新的预测。以下的例子向你展示：如何使用Pima Indians onset of diabetes数据集，训练一个logistic回归模型，保存模型到文件，导入模型对未知数据进行预测。运行以下代码把模型存入你工作路径中的finalized_model.sav，导入模型，用未知数据评估模型的准确率

Joblib是SciPy生态的一部分，为管道化python的工作提供的工具。它提供了存储和导入python对象的工具，可以对Numpy数据结构进行有效的利用。这对于要求很多参数和存储整个数据集的算法(比如K-Nearest Neighbors)很有帮助。以下代码向你展示：如何使用Pima Indians onset of diabetes数据集，训练一个logistic回归模型，使用joblib保存模型到文件，导入模型对未知数据进行预测。运行以下代码把模型存入你工作路径中的finalized_model.sav，也会创建一个文件保存Numpy数组，导入模型，用未知数据评估模型的准确率。

保存模型的几点提醒

当你存储你的机器学习模型时，需要考虑以下重要问题。一定要记住，记录下你的工具版本，以便于重构环境。

1. python的版本：记录下python的版本。需要相同大版本号的python来序列化和反序列化模型。
2. 库的版本：主要的库的版本要保持一致，不仅限于Numpy和scikit-learn的版本。
3. 手动序列化：你可能想要手动的输出你的模型参数以便于你可以直接把他们用在scikit-learn或者其他的平台。确实学习算法参数实现比算法本身实现要难得多。如果你有能力也可以自己写代码来导出参数。