本篇內(nèi)容介紹了“API模型的保存與加載方法是什么”的有關(guān)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?qū)W有所成!
網(wǎng)站建設哪家好,找創(chuàng)新互聯(lián)建站!專注于網(wǎng)頁設計、網(wǎng)站建設、微信開發(fā)、微信小程序定制開發(fā)、集團企業(yè)網(wǎng)站建設等服務項目。為回饋新老客戶創(chuàng)新互聯(lián)還提供了雙柏免費建站歡迎大家使用!
1.目的:
將訓練好的模型保存下來,已備下次使用,節(jié)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(xiàn):
# -*- 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(shù)據(jù)
boston = load_boston()
print("特征數(shù)量:\n", boston.data.shape)
# 2)劃分數(shù)據(jù)集鄭州婦科醫(yī)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(quán)重系數(shù)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(nèi)容就介紹到這里了,感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站,小編將為大家輸出更多高質(zhì)量的實用文章!
網(wǎng)站欄目:API模型的保存與加載方法是什么
當前路徑:http://bm7419.com/article36/igsipg.html
成都網(wǎng)站建設公司_創(chuàng)新互聯(lián),為您提供Google、云服務器、建站公司、網(wǎng)站設計公司、全網(wǎng)營銷推廣、網(wǎng)站營銷
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時需注明來源: 創(chuàng)新互聯(lián)