Python sklearn模型存在哪些合理的模型持久性选项？

joblib.dump（）

似乎是存储经过训练的sklearn模型以供以后加载和使用的理想方法。我喜欢压缩选项和易用性，但是以后使用

joblib.load（）

加载会很慢。加载一个SVM模型需要20秒，该模型在一个合理的小数据集（约10k个文本）上训练。该模型（建议使用compress=3存储）将100MB作为转储文件

对于我自己的使用（分析），我不必担心加载模型的速度，但我有一个我想与同事们分享的模型，我想让它尽可能简单快捷。我找到了一些替代joblib的例子，例如pickle、json或。所有这些基本上都是相同的想法，将二进制对象转储到磁盘

我发现，作为一个例子，我怀疑它是以与sklearn模型类似的方式创建的。在我看来，整个模型似乎被编码为某种字符串（base64？），只是粘贴到脚本本身中。这是一个解决方案吗？这是怎么做到的

---

还有其他可行的策略吗

您的型号在内存和磁盘上的容量有多大？@elyase内存为194.6MB（根据）磁盘上的容量为101.2MB（然后使用

joblib.dump（）

中的压缩）。