python sklearn模型的保存

使用python的机器学习包sklearn的时候，如果训练集是固定的，我们往往想要将一次训练的模型结果保存起来，以便下一次使用，这样能够避免每次运行时都要重新训练模型时的麻烦。

在python里面，有一个joblib可以实现将模型保存，并将保存后的模型取出用于不同的测试集：

 1 from sklearn import svm
 2 from sklearn.externals import joblib
 3
 4 #训练模型
 5 clf = svc = svm.SVC(kernel=‘linear‘)
 6 rf=clf.fit(array(trainMat), array(listClasses))
 7
 8 ＃保存模型
 9 joblib.dump(rf,‘rf.model‘)
10
11 ＃加载模型
12 RF=joblib.load(‘rf.model‘)
13
14 ＃应用模型进行预测
15 result=RF.predict(thsDoc)

需要注意的是，这里执行joblib.dump()之后，有可能还会生成若干个以rf.model_XX.npy为命名格式的文件，这有可能是用于保存模型中的系数等的二进制文件。其具体生成的文件的个数还会随调用到的分类器的不同，以及分类器中迭代次数的参数的不同而变，有时候会生成几个，有时候会生成几百个。