API模型的保存與加載方法是什么

本篇內容介紹了“API模型的保存與加載方法是什么”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

　　1.目的：

　　將訓練好的模型保存下來，已備下次使用，節省訓練時間，提高效率

　　2.API:

　　from sklearn.externals import joblib

　　保存:

　　joblib.dump(rf,"test.pkl")

　　加載:

　　estimator = joblib.load("test.pkl")

　　3.Python代碼實現:

　　# -*- coding: UTF-8 -*-

　　'''

　　@Author ：Jason

　　波士頓房價預測，將模型保存到

　　'''

　　from sklearn.datasets import load_boston

　　from sklearn.model_selection import train_test_split

　　from sklearn.preprocessing import StandardScaler

　　from sklearn.linear_model import Ridge

　　from sklearn.metrics import mean_squared_error

　　from sklearn.externals import joblib

　　def model_save_fetch():

　　"""

　　嶺回歸對波士頓房價進行預測

　　:return:

　　"""

　　# 1)獲取數據

　　boston = load_boston()

　　print("特征數量：\n", boston.data.shape)

　　# 2)劃分數據集鄭州婦科醫院哪家好 http://fk.zyfuke.com/

　　x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=22)

　　# 3)標準化

　　transfer = StandardScaler()

　　x_train = transfer.fit_transform(x_train)

　　x_test = transfer.transform(x_test)

　　# # 4)預估器

　　# estimator = Ridge(alpha=0.5, max_iter=10000)

　　# estimator.fit(x_train, y_train)

　　#

　　# # 保存模型

　　# joblib.dump(estimator, "./files/test.pkl")

　　# 加載模型

　　estimator = joblib.load("./files/test.pkl")

　　# 5)得出模型

　　print("嶺回歸-權重系數為：\n", estimator.coef_)

　　print("嶺回歸-偏置為：\n", estimator.intercept_)

　　# 6)模型評估

　　y_predict = estimator.predict(x_test)

　　print("預測房價：\n", y_predict)

　　error = mean_squared_error(y_test, y_predict)

　　print("嶺回歸-均方誤差為：\n", error)

　　return None

　　if __name__ == "__main__":

　　model_save_fetch()

“API模型的保存與加載方法是什么”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！