文章作者：Tyan 博客：noahsnail.com | | 简书
本文主要介绍scikit-learn中的模型的保存与加载。
Demo 1 import pickle from sklearn.svm import SVC from sklearn import datasets # 定义分类器 svm = SVC() # 加载iris数据集 iris = datasets.load_iris() # 读取特征 X = iris.data # 读取分类标签 y = iris.target # 训练模型 svm.fit(X, y) # 保存成python支持的文件格式pickle, 在当前目录下可以看到svm.pickle with open('svm.pickle', 'wb') as fw: pickle.dump(svm, fw) # 加载svm.pickle with open('svm.pickle', 'rb') as fr: new_svm = pickle.load(fr) print new_svm.predict(X[0:1]) 结果 [0] Demo 2 from sklearn.externals import joblib from sklearn.svm import SVC from sklearn import datasets # 定义分类器 svm = SVC() # 加载iris数据集 iris = datasets.load_iris() # 读取特征 X = iris.data # 读取分类标签 y = iris.target # 训练模型 svm.fit(X, y) # 保存成sklearn自带的文件格式 joblib.dump(svm, 'svm.pkl') # 加载svm.pkl new_svm = joblib.load('svm.pkl') print new_svm.predict(X[0:1]) 结果 [0]