Scikit-learn中怎么實(shí)現(xiàn)模型持久化

在Scikit-learn中，可以使用joblib庫來實(shí)現(xiàn)模型的持久化。joblib庫提供了dump和load函數(shù)，可以方便地將模型保存到文件或者從文件中加載模型。

以下是一個示例代碼，演示了如何使用joblib庫來保存和加載一個訓(xùn)練好的模型：

from sklearn import datasets
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn import metrics
from sklearn.externals import joblib

# 加載數(shù)據(jù)集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 劃分訓(xùn)練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# 訓(xùn)練模型
model = RandomForestClassifier()
model.fit(X_train, y_train)

# 保存模型
joblib.dump(model, 'random_forest_model.pkl')

# 加載模型
loaded_model = joblib.load('random_forest_model.pkl')

# 使用加載的模型進(jìn)行預(yù)測
y_pred = loaded_model.predict(X_test)

# 評估模型
print("Accuracy:", metrics.accuracy_score(y_test, y_pred))

在上面的代碼中，我們首先訓(xùn)練了一個隨機(jī)森林分類器模型，然后使用joblib庫的dump函數(shù)將模型保存到文件’random_forest_model.pkl’中。接著使用load函數(shù)加載模型，并使用加載的模型進(jìn)行預(yù)測和評估。