Sklearn - 没有 pkl 文件的模型持久性

Posted 2023-03-12

【中文标题】Sklearn - 没有 pkl 文件的模型持久性

【英文标题】：Sklearn - model persistence without pkl file

【发布时间】：2016-08-30 06:09:09

【问题描述】：

我有兴趣保存在 Sklearn 中创建的模型（例如，EmpiricalCovariance、MinCovDet 或 OneClassSVM）并稍后重新应用。 我熟悉保存 PKL 文件和 joblib 的选项，但是我更愿意显式保存模型而不是序列化的 python 对象。 这样做的主要动机是它可以轻松查看模型参数。

我找到了一个关于这样做的参考： http://thiagomarzagao.com/2015/12/07/model-persistence-without-pickles/

问题是： 我可以指望这种工作随着时间的推移（即新版本的 sklearn）吗？这是一个太多的“hacky”解决方案吗？

有人有这方面的经验吗？

谢谢 乔纳森

【问题讨论】：

为什么这对你不起作用？ @ 987654322@ 我认为如果您腌制并重新加载，您不会丢失参数......在您给出的示例中，他们选择了这条路线，因为数据量很大。您在处理海量数据吗？如果是这样，sklearn 可能会或可能不会工作。谷歌有一个用于查询的持久表，他们并没有对其进行腌制，但他们正在大规模工作。您不进行酸洗的主要动机应该是它太慢了，而不是您想再次访问参数。

【参考方案1】：

我不认为这是一个 hacky 解决方案，一位同事做了类似的事情，他导出了一个模型供记分器使用，它是用 golang 编写的，并且比 scikit-learn 记分器快得多。如果您担心与 sklearn 未来版本的兼容性，您应该考虑使用环境管理器，例如 conda 或 virtualenv；无论如何，这只是很好的软件工程实践，无论如何你都应该开始习惯。