模型的保存和加载

模型训练是一个耗时的过程, 一个优秀的机器学习模型是非常宝贵的. 所以当模型训练完毕后,可以把模型保存在磁盘中, 在需要的时候可以从磁盘中重新加载模型. 不再需要重新训练.

import pickle
# 保存模型
pickle.dump(model, 磁盘文件)
# 加载模型
model = pickle.load(磁盘文件)

案例: 把训练好的模型持久化.

# 从文件中加载模型对象
with open('../ml_data/linear.pkl', 'rb') as f:
	model = pickle.load(f)
	print('load success.')

pred_y = model.predict(x)