Ich bin daran interessiert, das in Sklearn erstellte Modell (z. B. EmpiricalCovariance, MinCovDet oder OneClassSVM) zu speichern und später erneut anzuwenden. Ich bin vertraut mit der Option zum Speichern einer PKL-Datei und Joblib, aber ich würde lieber das Modell explizit und nicht ein serialisiertes Python-Objekt speichern. Die Hauptmotivation dafür ist, dass die Modellparameter einfach angezeigt werden können.Sklearn - Modell Persistenz ohne pkl-Datei
fand ich einen Hinweis, dies zu tun: http://thiagomarzagao.com/2015/12/07/model-persistence-without-pickles/
Die Frage ist: Kann ich auf diesem Arbeits im Laufe der Zeit zählen (das heißt, neue Versionen von sklearn)? Ist das zu viel "Hacky" -Lösung?
Hat jemand Erfahrung damit?
Dank Jonathan
Warum funktioniert das nicht für Sie? http://stackoverflow.com/questions/10592605/save-classifier-to-disk-in-sikit-learn Ich glaube nicht, dass Sie die Parameter verlieren, wenn Sie pickle und neu laden ... In dem Beispiel, das Sie gaben, gingen sie das Route, weil die Daten riesig waren. Arbeiten Sie mit riesigen Datenmengen? Wenn dies der Fall ist, kann sklearn funktionieren oder nicht. Google hat eine persistente Tabelle für Abfragen, und sie sind nicht beizen, aber sie arbeiten im Maßstab. Ihre Hauptmotivation für das Nichtbeizen sollte sein, dass es zu langsam wäre, und nicht, dass Sie erneut auf die Parameter zugreifen möchten. – flyingmeatball