在 Scikit 中保存经过交叉验证训练的模型

Question

我在 scikit-learn 中使用 Cross-Validation 和 Naive Bayes 分类器训练了一个模型。我如何才能将此模型坚持到以后运行针对新实例？

这就是我所拥有的，我可以获得 CV 分数，但我不知道如何访问经过训练的模型

gnb = GaussianNB() 
scores = cross_validation.cross_val_score(gnb, data_numpy[0],data_numpy[1], cv=10)

Answer 1

cross_val_score 不会更改您的估算器，也不会 return 拟合估算器。它只是 return 交叉验证估计器的分数。

为了拟合您的估算器 - 您应该使用提供的数据集明确调用拟合。要保存（序列化）它 - 你可以使用 pickle:

# To fit your estimator
gnb.fit(data_numpy[0], data_numpy[1])
# To serialize
import pickle
with open('our_estimator.pkl', 'wb') as fid:
    pickle.dump(gnb, fid)
# To deserialize estimator later
with open('our_estimator.pkl', 'rb') as fid:
    gnb = pickle.load(fid)

在 Scikit 中保存经过交叉验证训练的模型

Saving a cross-validation trained model in Scikit

python

pickle

scikit-learn

cross-validation