成都创新互联网站制作重庆分公司

API模型的保存与加载方法是什么-创新互联

本篇内容介绍了“API模型的保存与加载方法是什么”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!

公司主营业务:网站设计、成都网站制作、移动网站开发等业务。帮助企业客户真正实现互联网宣传,提高企业的竞争能力。创新互联建站是一支青春激扬、勤奋敬业、活力青春激扬、勤奋敬业、活力澎湃、和谐高效的团队。公司秉承以“开放、自由、严谨、自律”为核心的企业文化,感谢他们对我们的高要求,感谢他们从不同领域给我们带来的挑战,让我们激情的团队有机会用头脑与智慧不断的给客户带来惊喜。创新互联建站推出冷水江免费做网站回馈大家。

  1.目的:

  将训练好的模型保存下来,已备下次使用,节省训练时间,提高效率

  2.API:

  from sklearn.externals import joblib

  保存:

  joblib.dump(rf,"test.pkl")

  加载:

  estimator = joblib.load("test.pkl")

  3.Python代码实现:

  # -*- coding: UTF-8 -*-

  '''

  @Author :Jason

  波士顿房价预测,将模型保存到

  '''

  from sklearn.datasets import load_boston

  from sklearn.model_selection import train_test_split

  from sklearn.preprocessing import StandardScaler

  from sklearn.linear_model import Ridge

  from sklearn.metrics import mean_squared_error

  from sklearn.externals import joblib

  def model_save_fetch():

  """

  岭回归对波士顿房价进行预测

  :return:

  """

  # 1)获取数据

  boston = load_boston()

  print("特征数量:\n", boston.data.shape)

  # 2)划分数据集郑州妇科医院哪家好 http://fk.zyfuke.com/

  x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=22)

  # 3)标准化

  transfer = StandardScaler()

  x_train = transfer.fit_transform(x_train)

  x_test = transfer.transform(x_test)

  # # 4)预估器

  # estimator = Ridge(alpha=0.5, max_iter=10000)

  # estimator.fit(x_train, y_train)

  #

  # # 保存模型

  # joblib.dump(estimator, "./files/test.pkl")

  # 加载模型

  estimator = joblib.load("./files/test.pkl")

  # 5)得出模型

  print("岭回归-权重系数为:\n", estimator.coef_)

  print("岭回归-偏置为:\n", estimator.intercept_)

  # 6)模型评估

  y_predict = estimator.predict(x_test)

  print("预测房价:\n", y_predict)

  error = mean_squared_error(y_test, y_predict)

  print("岭回归-均方误差为:\n", error)

  return None

  if __name__ == "__main__":

  model_save_fetch()

“API模型的保存与加载方法是什么”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联-成都网站建设公司网站,小编将为大家输出更多高质量的实用文章!


当前文章:API模型的保存与加载方法是什么-创新互联
分享网址:http://cxhlcq.com/article/diiecc.html

其他资讯

在线咨询

微信咨询

电话咨询

028-86922220(工作日)

18980820575(7×24)

提交需求

返回顶部