Wenn Sie scikit documentation auf Modell Persistenz
In [1]: from sklearn.ensemble import RandomForestClassifier
In [2]: from sklearn import datasets
In [3]: from sklearn.externals import joblib
In [4]: iris = datasets.load_iris()
In [5]: X, y = iris.data, iris.target
In [6]: m = RandomForestClassifier(2).fit(X, y)
In [7]: m
Out[7]:
RandomForestClassifier(bootstrap=True, class_weight=None, criterion='gini',
max_depth=None, max_features='auto', max_leaf_nodes=None,
min_samples_leaf=1, min_samples_split=2,
min_weight_fraction_leaf=0.0, n_estimators=2, n_jobs=1,
oob_score=False, random_state=None, verbose=0,
warm_start=False)
In [8]: joblib.dump(m, "filename.cls")
In der Tat folgen, können Sie pickle.dump
statt joblib
verwenden, aber joblib
macht einen sehr guten Job, die numpy
Arrays innerhalb Klassifizierer bei komprimieren.
danke Ihre Antwort. Es funktioniert, aber wie kann ich es wieder in meine Python-Vorhersagedatei importieren? –
@ BeyhanGül 'joblib.load' –