Python 导出机器学习模型

我正在创建一个机器学习算法，并希望将其导出。 假设我正在使用scikit学习库和随机森林算法

 modelC=RandomForestClassifier(n_estimators=30)
 m=modelC.fit(trainvec,yvec)

模型

我如何导出它，或者它有任何功能吗？

如果您遵循模型持久性方面的scikit

In [1]: from sklearn.ensemble import RandomForestClassifier
In [2]: from sklearn import datasets
In [3]: from sklearn.externals import joblib
In [4]: iris = datasets.load_iris()
In [5]: X, y = iris.data, iris.target
In [6]: m = RandomForestClassifier(2).fit(X, y)
In [7]: m
Out[7]: 
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
            max_depth=None, max_features='auto', max_leaf_nodes=None,
            min_samples_leaf=1, min_samples_split=2,
            min_weight_fraction_leaf=0.0, n_estimators=2, n_jobs=1,
            oob_score=False, random_state=None, verbose=0,
            warm_start=False)
In [8]: joblib.dump(m, "filename.cls")

实际上，您可以使用

pickle.dump

而不是

joblib

，但是

joblib

在压缩分类器中的

numpy

数组方面做得非常好

如果您在模型持久性方面遵循scikit

In [1]: from sklearn.ensemble import RandomForestClassifier
In [2]: from sklearn import datasets
In [3]: from sklearn.externals import joblib
In [4]: iris = datasets.load_iris()
In [5]: X, y = iris.data, iris.target
In [6]: m = RandomForestClassifier(2).fit(X, y)
In [7]: m
Out[7]: 
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
            max_depth=None, max_features='auto', max_leaf_nodes=None,
            min_samples_leaf=1, min_samples_split=2,
            min_weight_fraction_leaf=0.0, n_estimators=2, n_jobs=1,
            oob_score=False, random_state=None, verbose=0,
            warm_start=False)
In [8]: joblib.dump(m, "filename.cls")

---

实际上，您可以使用

pickle.dump

而不是

joblib

，但是

joblib

在压缩分类器中的

numpy

数组方面做得非常好

谢谢你的回复。它正在工作，但是我如何才能将它再次导入到我的predict python文件中？@BeyhanGül

joblib.load

感谢您的回复。它正在工作，但如何将它再次导入到我的predict python文件？@BeyhanGül

joblib.load