API模型的保存與加載方法是什么

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

廣告

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)