SVM 保存和加载模型参数

2024-01-02 14:15:28

在 Python 中,你可以使用 scikit-learn 库中的 joblib 或 pickle 模块来保存和加载 SVM 模型的参数。以下是一个简单的示例代码,演示了如何使用 joblib 模块保存和加载 SVM 模型的参数:

保存模型参数:

from sklearn import svm
from sklearn import datasets
import joblib

# 载入数据集
iris = datasets.load_iris()
X, y = iris.data, iris.target

# 创建 SVM 模型
model = svm.SVC()
model.fit(X, y)

# 保存模型参数
joblib.dump(model, 'svm_model.pkl')

加载模型参数

# 加载模型参数
loaded_model = joblib.load('svm_model.pkl')

# 使用加载的模型进行预测
result = loaded_model.predict([X[0]])
print(result)

在这个示例中,我们首先使用 scikit-learn 载入了鸢尾花数据集,并创建了一个 SVM 模型。然后,我们使用 joblib.dump 函数将模型参数保存到名为 svm_model.pkl 的文件中。接着,我们使用 joblib.load 函数加载保存的模型参数,并使用加载的模型进行预测。

你也可以使用 pickle 模块来保存和加载模型参数,示例如下:

保存模型参数:

import pickle

# 保存模型参数
with open('svm_model.pkl', 'wb') as f:
    pickle.dump(model, f)

加载模型参数:

# 加载模型参数
with open('svm_model.pkl', 'rb') as f:
    loaded_model = pickle.load(f)

# 使用加载的模型进行预测
result = loaded_model.predict([X[0]])
print(result)

这段代码使用了 pickle.dump 函数将模型参数保存到名为 svm_model.pkl 的文件中,然后使用 pickle.load 函数加载保存的模型参数,并使用加载的模型进行预测。

文章来源:https://blog.csdn.net/m0_71778249/article/details/135336706
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。