Python機械学習クックブック

21章訓練済みモデルのセーブとロード

レシピ21.0　はじめに

　これまでの20章にわたり、およそ200のレシピで生データから機械学習を用いて性能の良いモデルを生成する方法を紹介してきた。しかし、これまで学んだことを役に立てるには、モデルを使って何かをしなければならない。それには、既存のソフトウェアアプリケーションに組み込まなければならない。これを実現するためには、訓練した後のモデルをセーブしておき、必要に応じてアプリケーションからロードできるようにしなければならない。この最後の章では、このモデルのセーブとロードについて説明する。

レシピ21.1　scikit-learnモデルのセーブとロード

問題

　scikit-learnの訓練済みモデルをセーブしておき、別の場所でロードしたい。

解決策

　Pickleファイルとしてモデルをセーブする。

# ライブラリをロード from sklearn.ensemble import RandomForestClassifier from sklearn import datasets from sklearn.externals import joblib # データをロード iris = datasets.load_iris() features = iris.data target = iris.target # ランダムフォレストクラス分類器を作成 classifer = RandomForestClassifier() # ランダムフォレストクラス分類器を訓練 model = classifer.fit(features, target) # 訓練したモデルをPickleファイルとしてセーブ joblib.dump(model, ...