训练模型的保存与加载

　　1.目的训练：

　　将训练好的模型保存下来，云服务器提供商已备下次使用，模型节省训练时间，服务器托管存加提高效率

　　2.API:

　　from sklearn.externals import joblib

　　保存:

　　joblib.dump(rf,训练"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",模型 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()