是否可以在python中加载一次模型并再次重用它？

我已经培训了scikit学习模型，现在我想在python代码中使用它。 有没有办法重复使用同一个模型实例？ 通过一种简单的方式，我可以在需要时再次加载模型，但由于我的需求更频繁，我希望加载一次模型并再次重用它

有没有一种方法可以在python中实现这一点

下面是prediction.py中一个线程的代码：

clf = joblib.load('trainedsgdhuberclassifier.pkl')
clf.predict(userid)

现在对于另一个用户，我不想再次启动prediction.py并花费时间加载模型。有没有一种方法，我可以简单地写

new_recommendations = prediction(userid)

---

我应该在这里使用的是多重处理吗？我不确定

根据Scikit学习文档，以下代码可能会帮助您：

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)  
import pickle
s = pickle.dumps(clf)
clf2 = pickle.loads(s)
clf2.predict(X[0])

在scikit的特定情况下，使用joblib替代pickle（joblib.dump和joblib.load）可能更有趣，这在内部携带大型numpy数组的对象上更有效，这与安装scikit学习估计器的情况一样，但只能pickle到磁盘，而不能pickle到字符串：

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

稍后，您可以使用以下命令加载pickle模型（可能在另一个Python进程中）：

再次加载模型后。您可以重复使用它，而无需重新培训

clf.predict(X[0])

---

来源：

首先，您应该检查这有多大程度的瓶颈，以及是否确实值得避免IO。SGDClassizer通常非常小。您可以轻松地重用模型，但问题并不是如何重用模型，而是如何将新的用户实例传递给分类器

我想，

userid

是一个特征向量，而不是一个ID，对吗

要使模型对新数据进行预测，需要某种基于事件的处理，在新输入到达时调用模型。

---

到目前为止，我还不是这方面的专家，但我认为一个简单的解决方案可能是使用http接口并使用轻量级服务器，如。

谢谢您的回答。我知道这个joblib.load。我想要的是再次从joblib.load（'filename.pkl'）恢复clf。我该怎么做？我不想为多个用户加载它，因为这需要时间！！好的，如果我理解正确，那么您可以调用

clf.predict（）

或

clf.transform（）

方法，具体取决于您使用的估计器类型或您想要实现的目标。你不必再适应这个模型了。。。如果您没有提供任何代码示例，则很难提供帮助。@ashu，请提供代码，以便@Oq01可以帮助您

pickle

是正确的选择。@alvas在问题中就是这么做的@阿苏，谢谢，但这让人困惑。您似乎没有使用scikit学习。这看起来像graphlab，所以我不确定是否会应用相同的方法。

clf.predict(X[0])