Question

我知道scikit-learn模型可以通过使用joblib（如下所述：http://scikit-learn.org/stable/modules/model_persistence.html）保存在文件中。但是，由于我在postgresql plpythonu函数中有机器学习过程，我宁愿在Postgresql数据库中保留模型。

建议什么是在Postgresql数据库中存储scikit-learn模型最方便的方法？

Answer 1

如果您使用的是Django，则可以对sci-kit学习模型进行二值化处理

使用泡菜，然后将其保存到具有BinaryField成员的表。

一个简单的示例：

views.py（保存）

from sklearn import svm
import pickle
from ml.models import MlModels
from rest_framework.response import Response

@api_view(['GET'])
def save(request):
  if request.method == 'GET':
    X = [[0.12, 22, 33, 100], [0.19, 19, 99, 33], [0.5, 50, 150, 0]]
    y = [1, 0, 1]
    model = svm()
    model.fit(X=X, y=y)
    data = pickle.dumps(model)
    MlModels.objects.create(model=data)
    return Response(status=status.HTTP_200_OK)

models.py

from django.db import models

class MlModels(models.Model):
    model       =   models.BinaryField()

views.py（使用）

import pickle
from ml.models import MlModels
from rest_framework.response import Response

@api_view(['GET'])
def predict(request):
    if request.method == "GET":
        X = [[0.12, 22, 33, 100]]
        raw_model = MlModel.objects.all()[0]
        model = pickle.loads(raw_model.model)
        print(model.predict(X))
        return Response(status=status.HTTP_200_OK)

Answer 2

这是python中的示例代码，用于将经过训练的模型发送到Postgres表。请注意，您首先需要创建一个表，该表的列为“ bytea”类型，以按二进制格式存储腌制的sklearn模型。

from sklearn import svm

import psycopg2
import pickle

#### # Connect to postgres

connection = psycopg2.connect(user, password, host, port, database)
cur = connection.cursor()
model = svm.OneClassSVM()
model.fit(features)   # features are some training data
data = pickle.dumps(model)    # first we should pickle the model

#### # Assuming you have a postgres table with columns epoch and file

sql = "INSERT INTO sampletable (epoch, file)  VALUES(%s)"
cur.execute(sql, (epochpsycopg2.Binary(data)) )
connection.commit()

在scikit-learn中将分类器保存到postrgesql数据库

2 个答案: