训练模型的时间往往很长,比如α-go的训练,大概就需要长达数天(我个人观点)。但是,我们总会有关机(比如停电)的时候,此时,如果训练的模型如果不能保存,一旦关机就是前功尽弃,还得从头再来。本文,介绍一个保存sklearn模型的方法。
工具/原料
1
电脑
2
python3.6(anaconda)
3
sklearn模块
方法/步骤
1
sklearn模块在anaconda里面已经配置好了,可以直接import:from sklearn.externals import joblibfrom sklearn import svm
2
给出训练数据,这里只用一组简短的数据:X = [[0,0,0,0,0], [1,1,0,1,0], [0,1,0,1,0], [1,0,2,3,6], [3,2,1,3,5]]y = [0, 1,2,3,2
3
svm是用来构造一个支持向量机的:f = svm.SVC()函数f是一个多元函数,把一个向量变成一个数字,所以叫做——向量机。
4
用X和y训练函数f,其实就是尽量拟合数据,也就是求出函数f的参数:f.fit(X, y)
5
让训练的模型f,自动保存下来:joblib.dump(f, '''train_model.m''')
6
这里保存下来的模型以.m的格式保存。
7
此时,就算关机,训练的成果也不会丢失,只需要读取相应的.m文件就可以:joblib.load('train_model.m')
8
用读取的模型来作用于X,看看能不能得到y:d.predict(X)结果错误率是60%,实在是冷场。
注意事项
本文介绍的是训练模型以及保存模型的方法,但是可能因为数据太少,可以导致模型的错误率很高。
上一篇:flash中制作一幅对联
下一篇:吉祥如意 ,合家幸福对联怎么贴