模型持久化 （模型保存与加载）是机器学习完成的最后一步。

因为，在实际情况中，训练一个模型可能会非常耗时，如果每次需要使用模型时都要重新训练，这无疑会浪费大量的计算资源和时间。

通过将训练好的模型持久化到磁盘，我们可以在需要使用模型时直接从磁盘加载到内存，而无需重新训练。这样不仅可以节省时间，还可以提高模型的使用效率。

本篇介绍scikit-learn中几种常用的模型持久化方法。

1. 训练模型

首先，训练一个模型，这里用scikit-learn自带的手写数字数据集作为样本。

python 复制代码

import matplotlib.pyplot as plt
from sklearn import datasets

# 加载手写数据集
data = datasets.load_digits()

# 调整数据格式
n_samples = len(data.images)
X = data.images.reshape((n_samples, -1))
y = data.target

# 用支持向量机训练模型
from sklearn.svm import SVC

# 定义
reg = SVC()

# 训练模型
reg.fit(X, y)

最后的得到的 reg 就是我们训练之后的模型，使用这个模型，就可以预测一些手写数字图片。

但是这个 reg 是代码中的一个变量，如果不能保存下来，那么，每次需要使用的时候，

还要重新执行一次上面的模型训练代码，样本数据量大的话，每次重复训练会浪费大量时间和计算资源。

所以，要将上面的 reg 模型保存下来，下次使用的时候，直接加载，不用重新训练。

2. 模型持久化

2.1. pickle 序列化

pickle格式是python中常用的序列化方式，它通过将python对象及其所拥有的层次结构转化为一个字节流来实现序列化。

将上面的模型保存到磁盘文件model.pkl中。

python 复制代码

import pickle

with open("./model.pkl", "wb") as f:
    pickle.dump(reg, f)

需要使用模型时，从磁盘加载的方式：

python 复制代码

with open("./model.pkl", "rb") as f:
    reg_pkl = pickle.load(f)

验证加载之后的模型reg_pkl是否可以正常使用。

python 复制代码

y_pred = reg_pkl.predict(X)

from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay

cm = confusion_matrix(y, y_pred)
g = ConfusionMatrixDisplay(confusion_matrix=cm)
g.plot()

plt.show()

从混淆矩阵来看，模型可以正常加载和使用。

关于混淆矩阵具体内容，可以参考：【scikit-learn基础】--『分类模型评估』之评估报告

2.2. joblib 序列化

相比于pickle，保存机器学习模型时，更推荐使用joblib。

因为joblib针对大数据进行了优化，使其在处理大型数据集时性能更佳。

序列化的方式也很简单：

python 复制代码

import joblib

joblib.dump(reg, "model.jlib")

从磁盘加载模型并验证：

python 复制代码

reg_jlib = joblib.load("model.jlib")

y_pred = reg_jlib.predict(X)

from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay

cm = confusion_matrix(y, y_pred)
g = ConfusionMatrixDisplay(confusion_matrix=cm)
g.plot()

plt.show()

2.3. skops 格式

skops是比较新的一种格式，它是专门为了共享基于 scikit-learn 的模型而开发的。

目前还在积极的开发中，github上的地址是：github-skops。

相比于pickle和joblib，它提供了更加安全的序列化格式，

但使用上和它们差别不大。

python 复制代码

import skops.io as sio

# 保存到文件 model.sio
sio.dump(reg, "model.sio")

从文件中读取模型并验证：

python 复制代码

reg_sio = sio.load("model.sio")

y_pred = reg_jlib.predict(X)

from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay

cm = confusion_matrix(y, y_pred)
g = ConfusionMatrixDisplay(confusion_matrix=cm)
g.plot()

plt.show()

3. 总结

在scikit-learn中，模型持久化是一个重要且实用的技术，它允许我们将训练好的模型保存到磁盘上，以便在不同的时间点或不同的环境中重新加载和使用。

通过模型持久化，我们能够避免每次需要使用时重新训练模型，从而节省大量的时间和计算资源。

本篇介绍的三种方法可以方便的序列化和反序列化模型对象，使其可以轻松地保存到磁盘上，并能够在需要时恢复出原始模型对象。

总而言之，模型持久化不仅使得我们能够在不同的运行会话之间重用模型，还方便了模型的共享和部署。

【scikit-learn基础】--模型持久化

1. 训练模型

2. 模型持久化

2.1. pickle 序列化

2.2. joblib 序列化

2.3. skops 格式

3. 总结