Question

我已经完成了一个模型并且它在可接受的范围内执行。我正在使用python和scitkit-learn。

接下来是将模型移至生产中。

我可以请求帮助将这些模型投入生产。如何以可以将其移至生产的方式保存经过培训的模型。

提前感谢您的帮助。

Answer 1

正如评论员建议的那样，您应该使用pickle。特别是对于ML，您正在寻找的是Model persistence。用scikit-learn：

在训练了一个scikit-learn模型之后，最好有一种方法来保持模型以备将来使用，而无需重新训练。

他们的榜样：

>>> 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,
    decision_function_shape='ovr', degree=3, gamma='auto', 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[0:1])
array([0])
>>> y[0]
0

在scikit的特定情况下，使用joblib替换pickle（joblib.dump＆amp; joblib.load）可能更有趣，这对于在内部携带大型numpy数组的对象更有效。通常是适合scikit-learn估算器的情况，但只能腌制到磁盘而不是字符串：

>>> from sklearn.externals import joblib
>>> joblib.dump(clf, 'filename.pkl')

如何将列车模型转移到生产中？

1 个答案: