在做模型訓練的時候，尤其是在訓練集上做交叉驗證，通常想要將模型儲存下來，然後放到獨立的測試集上測試，下面介紹的是Python中訓練模型的儲存和再使用。

scikit-learn已經有了模型持久化的操作，匯入joblib即可

from sklearn.externals import joblib

• 1

模型儲存

>>> os.chdir("workspace/model_save")
>>> from sklearn import svm
>>> X = [[0, 0], [1, 1]]
>>> y = [0, 1
 
]
>>> clf = svm.SVC()
>>> clf.fit(X, y)  
>>> clf.fit(train_X,train_y)
>>> joblib.dump(clf, "train_model.m")

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

通過joblib的dump可以將模型儲存到本地，clf是訓練的分類器

模型從本地調回

>>> clf = joblib.load("train_model.m")

• 1

通過joblib的load方法，載入儲存的模型。

然後就可以在測試集上測試了

clf.predit(test_X) #此處test_X為特徵集