机器学习笔记 - 杂记三

坐望云起

已于 2022-04-11 19:52:48 修改

阅读量2.1k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：深度学习从入门到精通文章标签：机器学习 sklearn python svm 最小二乘法

于 2022-03-28 13:23:44 首次发布

本文链接：https://blog.csdn.net/bashendixie5/article/details/123024230

深度学习从入门到精通专栏收录该内容

798 篇文章 ¥99.90 ¥299.90

订阅专栏

本文介绍了在Python机器学习中，如何使用sklearn进行SVM模型的保存与加载，pandas删除列的方法，解决joblib导入问题，以及理解sklearn中的KFold与StratifiedKFold的区别。此外，还探讨了pandas删除满足条件的行和drop函数的参数，以及sklearn创建测试数据集的示例。最后，文章简述了最小二乘法在回归分析中的应用及其分类。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、sklearn中svm模型的保存与加载调用

（1）使用pickle

# 模型保存
import pickle
model.fit(train_X, train_y)
s=pickle.dumps(model)
f=open('svm.model', "wb+")
f.write(s)
f.close()

# 模型加载
f2=open('svm.model','rb')
s2=f2.read()
model=pickle.loads(s2)
predicted = model.predict(test_X)

（2）使用joblib

# 模型读取
from sklearn.externals import joblib
model.fit(train_X, train_y)
joblib.dump(model, "train1_model.m")

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