本文共 836 字，大约阅读时间需要 2 分钟。

对于机器学习的一些模型，跑完之后，如果下一次测试又需要重新跑一遍模型是一件很繁琐的事，这时候我们就需要保存模型，再加载调用。

楼主发现有这些保存模型的方法，网上有很多错误的例子，所以给大家在整理一下。(python3)

1.利用pickle

import picklemodel.fit(train_X, train_y)s=pickle.dumps(model)f=open('svm.model', "wb+")f.write(s)f.close()print ("Done\n")模型保存这里的model已经是生成好的模型了，注意一定要用"wb+"，否则会报错

f2=open('svm.model','rb')s2=f2.read()model1=pickle.loads(s2)expected = test_ypredicted = model1.predict(test_X)模型调用，注意读取方式'rb'，否则会报错

2.利用joblib

from sklearn.externals import joblibmodel.fit(train_X, train_y)joblib.dump(model, "train1_model.m")print ("Done\n")模型读取

model1 = joblib.load("train1_model.m")expected = test_y predicted = model1.predict(test_X)模型调用

相对于上一方法，这个方法写起来简单明了多了。

好像还有cv方法的，楼主没有尝试。

这里的调用仅限在同一个py文件中，如果在另外一个py文件中调用，预测结果会出错，具体原因楼主也不清楚，楼主也一直在找一个在另外一个py文件中调用模型的方法，如果大家知道的话，也希望能告诉楼主，感谢！

考虑到如果预测数据又需要跑一遍模型，楼主的建议是，把保存模型的过程写进函数里面，下次不再调用该函数即可。

转载地址：http://nkuii.baihongyu.com/