在 scikit 中保存决策树模型

Posted 2023-03-12

【中文标题】在 scikit 中保存决策树模型

【英文标题】：Save a decision tree model in scikit

【发布时间】：2014-11-26 04:52:00

【问题描述】：

我正在使用 Python 中的 Scikit-Learn 构建决策树。我已经在特定数据集上训练了模型，现在我想保存这个决策树，以便以后可以使用它（在新数据集上）。有人知道怎么做吗？

【参考方案1】：

取自 this tutorial 的模型持久性部分：

使用Python内置的持久化模型可以在scikit中保存一个模型，即pickle：

>>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC()
>>> iris = datasets.load_iris()
>>> X, y = iris.data, iris.target
>>> clf.fit(X, y)  
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
  kernel='rbf', max_iter=-1, probability=False, random_state=None,
  shrinking=True, tol=0.001, verbose=False)

>>> import pickle
>>> s = pickle.dumps(clf)
>>> clf2 = pickle.loads(s)
>>> clf2.predict(X[0])
array([0])
>>> y[0]
0

【讨论】：

这很酷。因此，当我将 DT 保存到 pickle 文件中时，它会存储所有结构并且可以再次重复使用。这是非常好的。 R 也有什么？

了解如何在 R 中保存 robjects。一旦您可以使用 save 命令将对象保存到文件中，然后使用 load 命令读回。有关保存命令的更多详细信息，请参阅link 有关加载命令的信息，请参阅link

【参考方案2】：

目前没有可靠的方法来做到这一点。虽然酸洗确实有效，但还不够好，因为不能保证您的酸洗数据能够被更高版本的 scikit-learn 正确解酸。

引用自：http://scikit-learn.org/stable/modules/model_persistence.html#security-maintainability-limitations

保存在一个 scikit-learn 版本中的模型可能无法加载到另一个版本中 版本。

【参考方案3】：

我使用joblib如下：

>>> from joblib import dump, load
>>> dump(clf, 'filename.joblib')
>>> clf = load('filename.joblib')

但是，需要考虑these 的安全性和可维护性限制。