机器学习，如何通过joblib保存模型文件并恢复？

我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

在机器学习过程中，对于模型的训练是非常耗时的。那么，可以使用joblib来把函数固化成文件，保存耗时的训练结果。同时，在再次需要使用对应的耗时的函数时候，可以再使用joblib加载恢复对应的函数。从而达到保存耗时函数结果的目的。在机器学习过程中，这个耗时的结果也常常被称之为模型。

大家好，这里是苏南大叔的程序如此灵动博客，这里记录苏南大叔和计算机代码的故事。本文讲述python的joblib库的故事，使用.dump导出到文件，使用.load从文件恢复函数。本文测试环境：win10，python@3.6.8，joblib@1.1.0，sklearn@0.24.2。

导入joblib库方式一

本文中测试环境的joblib是直接安装的：

pip install joblib

可以通过下面的代码，查看joblib的版本号：

import joblib
print(joblib.__version__)

导入joblib库方式二

如果你的joblib是从sklearn里面导入的话，那么应该是下面这样的写法：

from sklearn.externals import joblib

据网上的资料，joblib还可以来自sklearn。但是，苏南大叔这边的测试环境中，sklearn中并没有joblib，可能是版本问题。测试环境里面得到的错误信息是这样的：

ImportError: cannot import name 'joblib'

joblib.dump() 导出到文件

理论上来说，joblib是可以把任何的函数导出为文件的。不过在苏南大叔这边的需求中，只是对机器学习中的使用分类器之后的结果，进行缓存导出到文件的操作。

下面的例子中，还是采用原来的多项式朴素贝叶斯函数做例子。主要操作是在fit()后就需要保存成文件。

mb = MultinomialNB(alpha=1)
mb.fit(X_train, y_train)
# 下面是新加的
joblib.dump(mb,"data/model.model")

可以参考链接：

• https://newsn.net/say/sklearn-multinomialnb.html

joblib.load() 导入为函数

在第二次使用的时候，就可以直接从缓存的模型文件里面，恢复出相应的函数。

mb = joblib.load('data/model.model')
# 下面是原来的
y_predict = mb.predict(X_test)

这里需要特别说明的是，如果使用这个分类器.fit()的结果缓存的话。那么，开始的时候那些用于训练的X_train, y_train，就没有用了。

相关文章

• https://newsn.net/say/sklearn-multinomialnb.html
• https://newsn.net/say/python-count-vectorizer.html
• https://newsn.net/say/jieba-cut.html
• https://newsn.net/say/jieba-lcut.html

综述

joblib可以保存机器学习的训练结果，用于后续的机器学习验证过程。更多机器学习的经验文章，请参考：

• https://newsn.net/tag/ml/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。