导语：模型是什么

很多人很好奇模型到底是什么？模型文件里存放的是什么？以及模型文件怎么在工程上如何应用。没有实验过或者见过的，会觉得很神秘，但是其实很简单，看下下面例子就明白。

模型是什么

模型是解决一类问题而抽象出的一种规律。

比如解决回归问题，则抽象出y=WX+b，这个函数就是模型。

决策树模型则可以认为是一系列if-then规则。

实验环境：

python3.6

NumpPy

SciPy

scikit-learn

模型训练代码：

import numpy as npfrom sklearn import datasetsfrom sklearn.cross_validation import train_test_splitfrom sklearn.linear_model import LinearRegressionloaded_data = datasets.load_boston()data_X = loaded_data.datadata_Y = loaded_data.targettrain_X, test_X, train_Y, test_Y = train_test_split(data_X, data_Y, test_size = 0.3) trainmodel.fit(data_X, data_Y) y = WX+bprint(model.intercept_)  load model时定义的参数print(model.score(test_X, test_Y)) 

模型是什么

该模型训练是线性回归模型，模型是：

y=WX+b

说明：X是样本集合，W是每个特征的权重集合。

所以打印模型的参数是：

打印参数b(截距)是：

由此，显而易见，模型文件里保存的是模型训练时学习到的各种参数(如权重W，截距b)。

模型文件工程应用

方法1：pickle

import picklewith open(, ) as f:    pickle.dump(model, f)with open(, ) as f:    model_loaded = pickle.load(f)    print(model_loaded.predict(test_X[:3, :]))

方法2：joblib

from sklearn.externals import joblibjoblib.dump(model, )model_loaded2 = joblib.load()print(model_loaded2.predict(test_X[:3, :]))

免责声明:本站部份内容由优秀作者和原创用户编辑投稿，本站仅提供存储服务，不拥有所有权,不承担法律责任。若涉嫌侵权/违法的，请与我联系，一经查实立刻删除内容。本文内容由快快网络小若创作整理编辑！