Python 如何将列车模型投入生产？

我已经确定了一个模型，它的性能在可接受的范围内。我正在使用python和scitkit专门学习

下一步是将模型转移到生产环境中

我可以请求帮助将这些型号投入生产吗。如何保存经过培训的模型，以便将其转移到生产中

---

提前感谢您的帮助。

正如评论员所建议的，您应该使用

pickle

。特别是对于ML，您需要的是。通过scikit学习：

在培训了scikit学习模型之后，我们希望能够找到一种方法，在不需要再培训的情况下，将模型保留下来供将来使用

以及他们的例子：

>>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC()
>>> iris = datasets.load_iris()
>>> X, y = iris.data, iris.target
>>> clf.fit(X, y)  
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
    decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf',
    max_iter=-1, probability=False, random_state=None, shrinking=True,
    tol=0.001, verbose=False)

>>> import pickle
>>> s = pickle.dumps(clf)
>>> clf2 = pickle.loads(s)
>>> clf2.predict(X[0:1])
array([0])
>>> y[0]
0

在scikit的特定情况下，可能更有趣的是使用joblib替代pickle（

joblib.dump

&

joblib.load

），这在内部携带大numpy数组的对象上更为有效，这通常适用于拟合的scikit学习估计器，但只能pickle到磁盘，而不能pickle到字符串：

---

这是一个非常笼统的问题。我认为你应该在网上搜索一些教程。然而，作为初学者，您可能需要考虑使用Pickle保存您的模型，然后使用flask将其作为API使用。

>>> from sklearn.externals import joblib
>>> joblib.dump(clf, 'filename.pkl')