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Python 导出机器学习模型,python,python-2.7,machine-learning,scikit-learn,Python,Python 2.7,Machine Learning,Scikit Learn,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 impo
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?@BeyhanGüljoblib.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?@BeyhanGüljoblib.load