如何使用经过训练的模型

数据挖掘 机器学习 Python scikit-学习 线性回归 数据科学模型
2022-02-18 20:25:59

我刚刚在 Python 3.7/scikitlearn（线性回归）中训练了我的第一个模型（好吧，我复制了大部分代码，但它有些东西 ^^）。

现在我想实际使用模型。特别是关于儿子的身高与他们的父亲无关。所以我现在想输入一个新的父亲身高并预测其儿子的身高。

怎么可能是这样的？

我读到“Pickle”来保存模型并在以后使用它，看起来很糟糕，但我将如何使用这样一个保存的模型？

如果有人可以给我一个简单的答案，甚至只是一个教程链接，那就太好了。下面是一段“我的”代码，仅用于某些上下文。

#Spliting the data into test and train data
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=0)

#Doing a linear regression
lm=LinearRegression()
lm.fit(X_train,y_train)

#Predicting the height of Sons
y_test=lm.predict(X_test)
print(y_test)
1个回答

您将模型保存为变量lm。您可以将lm.predict(X_test)用于任何其他测试场景。请注意，如果您对 进行了转换，则您的含义X_test应该与您的意思相似，您也需要进行类似的转换。您可以通过以下方式使用泡菜X_trainX_trainX_test

import pickle
filename = 'model.pckl'
pickle.dump(model, open(filename, 'wb'))

#To load the model from disk, use this
model = pickle.load(open(filename, 'rb'))
prediction = model.predict(X_test)
其它你可能感兴趣的问题
上一篇了解谷歌广而深的“广”部分 下一篇为什么要使用深度神经网络而不是线性回归或 SVM 等方法？