在做模型训练的时候，尤其是在训练集上做交叉验证，通常想要将模型保存下来，然后放到独立的测试集上测试，下面介绍的是python中训练模型的保存和再使用。

scikit-learn已经有了模型持久化的操作，导入joblib即可

from sklearn.externals import joblib

模型保存

>>> os.chdir("workspace/model_save")>>> from sklearn import svm>>> X = [[0, 0], [1, 1]]>>> y = [0, 1]>>> clf = svm.SVC()>>> clf.fit(X, y) >>> clf.fit(train_X,train_y)>>> joblib.dump(clf, "train_model.m")

通过joblib的dump可以将模型保存到本地，clf是训练的分类器

模型从本地调回

>>> clf = joblib.load("train_model.m")

通过joblib的load方法，加载保存的模型。

然后就可以在测试集上测试了

clf.predit(test_X，test_y)

Logo
脑启社区

脑启社区是一个专注类脑智能领域的开发者社区。欢迎加入社区，共建类脑智能生态。社区为开发者提供了丰富的开源类脑工具软件、类脑算法模型及数据集、类脑知识库、类脑技术培训课程以及类脑应用案例等资源。

更多推荐

Agent 开发,首选中文类脑记忆层

agentzhiji memory 记忆层

avatar 脑启社区

跳出 Transformer 补丁路线：一套仿生类脑架构的顶层构想

当前主流大模型基本基于 Transformer 范式发展，主要依靠扩充算力、数据、模块打补丁的方式提升能力。本文分享一份民间推演得到的仿生类脑架构顶层构想。本文只输出顶层框架思想，不提供完整可运行代码，希望能够给 AI 行业从业者带来一点启发，抛砖引玉。4、硅基仿生·碳硅双向镜像理论本板块为整套全息平衡体系第四层级核心延伸，立足前序中医、法律双根基，依托总纲宇宙全息公理、双天线架构、果蝇仿生实验底

avatar 脑启社区

非生物「类脑三维高连接」载体方案（支撑人工意识）

摘要： 目前尚无严格满足类脑三维高连接五条件的非生物方案（三维各向同性、低功耗、散热好、纳米级单元、单单元数万连接）。生物脑通过稀疏连接和突触间隙实现高连接度，物理导线无法实现类似性能。现有最接近方案包括：①3D光学衍射网络（光场全连接，UCLA Ozcan）；②里德堡冷原子阵列（量子长程耦合，哈佛Lukin）；③工程化血管脑类器官（生物边界方案）；④科幻中的Computronium（物质即计算机

avatar 脑启社区