0
我已经完成了一个模型,它在可接受的范围内执行。我正在使用python和scitkit-learn。如何将火车模型转换为生产?
接下来将模型移至生产。
我可以请求帮助将这些模型转换为生产模式。我怎样才能保存一个训练有素的模型,以便我可以将其移至生产环境。
在此先感谢您的帮助。
我已经完成了一个模型,它在可接受的范围内执行。我正在使用python和scitkit-learn。如何将火车模型转换为生产?
接下来将模型移至生产。
我可以请求帮助将这些模型转换为生产模式。我怎样才能保存一个训练有素的模型,以便我可以将其移至生产环境。
在此先感谢您的帮助。
正如评论者所建议的那样,您应该使用pickle
。特别是ML,你要找的是Model persistence。并通过scikit-learn:
训练完scikit-learn模型后,最好有一种方法可以保留模型以备将来使用,而不必重新培训。
他们的榜样:
>>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC()
>>> iris = datasets.load_iris()
>>> X, y = iris.data, iris.target
>>> clf.fit(X, y)
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf',
max_iter=-1, probability=False, random_state=None, shrinking=True,
tol=0.001, verbose=False)
>>> import pickle
>>> s = pickle.dumps(clf)
>>> clf2 = pickle.loads(s)
>>> clf2.predict(X[0:1])
array([0])
>>> y[0]
0
在scikit的特定情况下,它可能是更有趣的使用JOBLIB的替代泡菜(
joblib.dump
&joblib.load
),这是在对象上更有效在内部携带大的numpy阵列,这通常适用于scikit-learn估计器,但只能腌制到磁盘而不是字符串:
>>> from sklearn.externals import joblib
>>> joblib.dump(clf, 'filename.pkl')
这是一个非常一般的问题。我想你应该在网上搜索一些教程。然而,作为初学者,您可能需要考虑使用Pickle保存您的模型,然后使用烧瓶作为API提供服务。 – Payman