更快的方式来使用scikit-learn训练模型

Question

我使用scikit-learn训练了预测模型，并使用pickle将其保存到硬盘。 pickle文件是58M，非常大。

为了使用这个模型，我写了这样的东西：

def loadModel(pkl_fn):
    with open(pkl_fn, 'r') as f:
         return pickle.load(f)


if __name__ == "__main__":
    import sys
    feature_vals = read_features(sys.argv[1])
    model = loadModel("./model.pkl")
    # predict 
    # model.predict(feature_vals)

我想知道在命令行中多次运行程序时的效率。

Pickle文件应该可以快速加载，但有没有办法加快速度？我可以将整个事物编译成二进制可执行文件吗？

Answer 1

如果您担心加载时间，可以使用Binary operator > cannot be applied to two Float operands和joblib.dump，在scikit-learn的情况下，它们比pickle更有效。

有关完整（非常简单）的示例，请参阅the docs或ogrisel的相关答案： Save classifier to disk in scikit-learn