Question

我正在使用Python中的scikit learn构建决策树。我已经在特定数据集上训练了模型，现在我想保存这个决策树，以便以后可以使用它（在新数据集上）。任何人都知道如何做到这一点。

Answer 1

目前还没有可行的方法。虽然酸洗确实有效，但它还不够好，因为你的腌制数据无法保证在以后版本的scikit-learn中得到适当的修补。

引自：http://scikit-learn.org/stable/modules/model_persistence.html#security-maintainability-limitations

保存在一个scikit-learn版本中的模型可能无法加载到另一个版本中版本

Answer 2

取自this tutorial的模型持久性部分：

可以使用Python的内置持久性模型（即pickle）在scikit中保存模型：

>>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC()
>>> iris = datasets.load_iris()
>>> X, y = iris.data, iris.target
>>> clf.fit(X, y)  
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
  kernel='rbf', max_iter=-1, probability=False, random_state=None,
  shrinking=True, tol=0.001, verbose=False)

>>> import pickle
>>> s = pickle.dumps(clf)
>>> clf2 = pickle.loads(s)
>>> clf2.predict(X[0])
array([0])
>>> y[0]
0

Answer 3

我使用joblib如下：

>>> from joblib import dump, load
>>> dump(clf, 'filename.joblib')
>>> clf = load('filename.joblib')

但是，需要考虑these的安全性和可维护性限制。

保存决策树模型python

3 个答案: