在 Python 中使用 scikit-learn 保存和加载机器学习模型

找到一个准确的机器学习模型并不是项目的终点。

在这篇文章中，您将学习如何使用 scikit-learn 在 Python 中**保存和加载您的机器学习模型**。

这允许您将模型保存到文件并在以后加载它以进行预测。

使用我的新书《使用 Python 进行机器学习》**启动您的项目**，其中包括**分步教程**和所有示例的**Python 源代码**文件。

让我们开始吧。

• 2017年1月更新：更新以反映 scikit-learn 0.18 版本中的 API 变化。
• **2018 年 3 月更新**：添加了下载数据集的备用链接，因为原始链接似乎已被删除。
• 2019 年 10 月更新：修复了评论中的拼写错误。
• 2020 年 2 月更新：更新了 joblib API。

在 Python 中使用 scikit-learn 保存和加载机器学习模型
图片由 Christine 提供，保留部分权利。

教程概述

本教程分为 3 个部分，它们是：

1. 使用 pickle 保存您的模型
2. 使用 joblib 保存您的模型
3. 保存模型的技巧

使用 pickle 保存您的模型

Pickle 是 Python 中序列化对象的标准方式。

您可以使用 pickle 操作来序列化您的机器学习算法，并将序列化格式保存到文件中。

稍后您可以加载此文件以反序列化您的模型，并使用它进行新的预测。

下面的示例演示了如何在使用 Pima Indians 糖尿病发病数据集训练逻辑回归模型后，将模型保存到文件并加载它以对未见的测试集进行预测（在此处下载）。

运行示例会将模型保存到本地工作目录中的 **finalized_model.sav** 文件。

**注意**：考虑到算法或评估过程的随机性，或者数值精度的差异，您的结果可能会有所不同。请考虑运行示例几次并比较平均结果。

加载保存的模型并进行评估，可以估算出模型在未见数据上的准确性。

使用 joblib 保存您的模型

Joblib 是 SciPy 生态系统的一部分，提供了用于管道化 Python 工作的实用程序。

它提供了用于高效保存和加载使用 NumPy 数据结构的 Python 对象的实用程序。

这对于一些需要大量参数或存储整个数据集（如 K-最近邻）的机器学习算法非常有用。

下面的示例演示了如何在使用 Pima Indians 糖尿病发病数据集训练逻辑回归模型后，使用 joblib 将模型保存到文件并加载它以对未见的测试集进行预测。

运行示例会将模型保存为 **finalized_model.sav** 文件，并为模型中的每个 NumPy 数组创建一个文件（四个额外文件）。

**注意**：考虑到算法或评估过程的随机性，或者数值精度的差异，您的结果可能会有所不同。请考虑运行示例几次并比较平均结果。

加载模型后，将报告模型在未见数据上的准确性估计值。

保存模型的技巧

本节列出了完成机器学习模型时的一些重要考虑事项。

• **Python 版本**。请注意 Python 版本。您几乎肯定需要与序列化模型时使用的 Python 版本相同的主版本（可能还有次版本）才能在以后加载和反序列化它。
• **库版本**。在反序列化已保存模型时，您的机器学习项目中使用的所有主要库的版本几乎肯定需要保持一致。这不仅限于 NumPy 和 scikit-learn 的版本。
• **手动序列化**。您可能希望手动输出您学习到的模型的参数，以便将来可以直接在 scikit-learn 或其他平台中使用它们。通常，机器学习算法用于进行预测的算法比用于学习参数的算法简单得多，并且可能很容易在您控制的自定义代码中实现。

请记下版本，以便如果您出于某种原因无法在以后在另一台机器或另一个平台上重新加载模型，您可以重新创建环境。

总结

在这篇文章中，您学习了如何使用 scikit-learn 在 Python 中持久化您的机器学习算法。

您学习了两种可以使用的方法：

• 用于序列化标准 Python 对象的 pickle API。
• 用于高效序列化包含 NumPy 数组的 Python 对象的 joblib API。

您对保存和加载模型有任何疑问吗？
请在评论中提出您的问题，我将尽力回答。

发现 Python 中的快速机器学习！

在几分钟内开发您自己的模型

...只需几行 scikit-learn 代码

在我的新电子书中学习如何操作
精通 Python 机器学习

涵盖自学教程和端到端项目，例如
加载数据、可视化、建模、调优等等...

最终将机器学习带入
您自己的项目

跳过学术理论。只看结果。

查看内容