scikit-learn系列之如何存储和导入机器学习模型
找到一个准确的机器学习模型，你的项目并没有完成。本文中你将学习如何使用scikit-learn来存储和导入机器学习模型。你可以把你的模型保持到文件中，然后再导入内存进行预测。
1. 用Pickle敲定你的模型
Pickle是python中一种标准的序列化对象的方法。你可以使用pickle操作来序列化你的机器学习算法，保存这种序列化的格式到一个文件中。稍后你可以导入这个文件反序列化你的模型，用它进行新的预测。以下的例子向你展示：如何使用Pima Indians onset of diabetes数据集，训练一个logistic回归模型，保存模型到文件，导入模型对未知数据进行预测。运行以下代码把模型存入你工作路径中的finalized_model.sav，导入模型，用未知数据评估模型的准确率。
# Save Model Using Pickle
import pandas
from sklearn import model_selection
from sklearn.linear_model import LogisticRegression
import pickle
url = "https://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data"
names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
dataframe = pandas.read_csv(url, names=names)
array = dataframe.values
X = array[:,0:8]
Y = array[:,8]
test_size = 0.33
seed = 7
X_train, X_test, Y_train, Y_test = model_selection.train_test_split(X, Y, test_size=test_size, random_state=seed)
# Fit the model on 33%
model = LogisticRegression()
model.fit(X_train, Y_train)
# save the model to disk
filename = 'finalized_model.sav'
pickle.dump(model, open(filename, 'wb'))
# some time later...
# load the model from disk
loaded_model = pickle.load(open(filename, 'rb'))
result = loaded_model.score(X_test, Y_test)
print(result)
2. 用joblib敲定你的模型
Joblib 是SciPy生态的一部分，为管道化python的工作提供的工具。它提供了存储和导入python对象的工具，可以对Numpy数据结构进行有效的利用。这对于要求很多参数和存储整个数据集的算法(比如K-Nearest Neighbors)很有帮助。以下代码向你展示：如何使用Pima Indians onset of diabetes数据集，训练一个logistic回归模型，使用joblib保存模型到文件，导入模型对未知数据进行预测。运行以下代码把模型存入你工作路径中的finalized_model.sav，也会创建一个文件保存Numpy数组，导入模型，用未知数据评估模型的准确率。
# Save Model Using joblib
import pandas
from sklearn import model_selection
from sklearn.linear_model import LogisticRegression
from sklearn.externals import joblib
url = "https://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data"
names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
dataframe = pandas.read_csv(url, names=names)
array = dataframe.values
X = array[:,0:8]
Y = array[:,8]
test_size = 0.33
seed = 7
X_train, X_test, Y_train, Y_test = model_selection.train_test_split(X, Y, test_size=test_size, random_state=seed)
# Fit the model on 33%
model = LogisticRegression()
model.fit(X_train, Y_train)
# save the model to disk
filename = 'finalized_model.sav'
joblib.dump(model, filename)
# some time later...
# load the model from disk
loaded_model = joblib.load(filename)
result = loaded_model.score(X_test, Y_test)
print(result)
3. 保存模型的几点提醒
当你存储你的机器学习模型时，需要考虑以下重要问题。一定要记住，记录下你的工具版本，以便于重构环境。
1. python的版本：记录下python的版本。需要相同大版本号的python来序列化和反序列化模型。
2. 库的版本：主要的库的版本要保持一致，不仅限于Numpy和scikit-learn的版本。
3. 手动序列化：你可能想要手动的输出你的模型参数以便于你可以直接把他们用在scikit-learn或者其他的平台。确实学习算法参数实现比算法本身实现要难得多。如果你有能力也可以自己写代码来导出参数。
4. 知识点：
- model_selection.train_test_split
- pickle.dump, pickle.load
- joblib.dump, joblib.load
原文链接：Save and Load Machine Learning Models in Python with scikit-learn
