Python 从pickle模型获取要素名称

我在拟合后对scikit学习模型进行了pickle处理，所以如果重新运行，我可以使用它进行预测，而无需再次拟合

在以下代码中：

# Load dataset
iris = datasets.load_iris()
X, y = iris.data, iris.target

rf_feature_imp = RandomForestClassifier(100)
feat_selection = SelectFromModel(rf_feature_imp, threshold=0.5)

clf = RandomForestClassifier(5000)

model = Pipeline([
          ('fs', feat_selection), 
          ('clf', clf), 
        ])

 params = {
    'fs__threshold': [0.5, 0.3, 0.7],
    'fs__estimator__max_features': ['auto', 'sqrt', 'log2'],
    'clf__max_features': ['auto', 'sqrt', 'log2'],
 }

 gs = GridSearchCV(model, params, ...)
 gs.fit(X,y)

model = gs.best_estimator_

with open(path_pickle_model, 'wb') as f:
   cPickle.dump(model, f)

为了减少特征的数量，该模型已经进行了网格搜索。重新读取模型时，将其应用于数据会导致问题，因为模型和数据中的要素数量不同

---

那么，如何从磁盘读取的pickle模型中获取特征的名称呢？

它是什么类型的模型？如果执行了功能选择步骤，则需要保存管道的该部分。

dir（.model）

将是很好的第一步。感谢@DavidMaust，编辑代码以反映我使用的内容。您可以使用熊猫和熊猫。它是什么类型的模型？如果您执行了功能选择步骤，则需要保存管道的该部分。

dir（.model）

将是一个很好的第一步。谢谢@DavidMaust，编辑代码以反映我使用的内容。您可以使用pandas和。