如何将火车模型转换为生产？

Question

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。

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。

Answer 1

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')