Python中的joblib模块详解
作者：sodaloveer
这篇文章主要介绍了Python中的joblib模块详解,用已知的数据集经过反复调优后,训练出一个较为精准的模型,想要用来对格式相同的新数据进行预测或分类,常见的做法是将其训练好模型封装成一个模型文件,直接调用此模型文件用于后续的训练,需要的朋友可以参考下
背景
用已知的数据集经过反复调优后，训练出一个较为精准的模型，想要用来对格式相同的新数据进行预测或分类。
难道又要重复运行用于训练模型的源数据和代码？
常见的做法是将其训练好模型封装成一个模型文件，直接调用此模型文件用于后续的训练 。
一、保存最佳模型
joblib.dump(value,filename,compress=0,protocol=None)
- value：任何Python对象，要存储到磁盘的对象。
- filename：文件名，str.pathlib.Path 或文件对象。要在其中存储文件的文件对象或文件路径。与支持的文件扩展名之一（“.z”,“.gz”,“bz2”,“.xz”,“.lzma”）
- compress：int从0到9或bool或2元组。数据的可选压缩级别。0或False不压缩，较高的值表示更多的压缩，但同时也降低了读写时间。使用3值通常是一个很好的折衷方案。如果compress为
- True，则使用的压缩级别为3。如果compress为2元组，则第一个元素必须对应于受支持的压缩器之间的字符串（例如’zlib’，‘gzip’，‘bz2’，‘lzma’，'xz '），第二个元素必须是0到9的整数，对应于压缩级别。
- protocol：不用管了，与pickle里的protocol参数一样
举例
- 导入数据
import pandas as pd # 训练集 file_pos="F:\\python_machine_learing_work\\501_model\\data\\训练集\\train_data_only_one.csv" data_pos=pd.read_csv(file_pos,encoding='utf-8') # 测试集 val_pos="F:\\python_machine_learing_work\\501_model\\data\\测试集\\test_data_table_only_one.csv" data_val=pd.read_csv(val_pos,encoding='utf-8')
- 划分数据
# 重要变量
ipt_col=['called_rate', 'calling_called_act_hour', 'calling_called_distinct_rp', 'calling_called_distinct_cnt', 'star_level_int', 'online_days', 'calling_called_raom_cnt', 'cert_cnt', 'white_flag_0', 'age', 'calling_called_cdr_less_15_cnt', 'white_flag_1', 'calling_called_same_area_rate', 'volte_cnt', 'cdr_duration_sum', 'calling_hour_cnt', 'cdr_duration_avg', 'calling_pre7_rate', 'cdr_duration_std', 'calling_disperate', 'calling_out_area_rate', 'calling_distinct_out_op_area_cnt','payment_type_2.0', 'package_price_group_2.0', 'is_vice_card_1.0']
#拆分数据集(一个训练集一个测试集)
def train_test_spl(train_data,val_data):
global ipt_col
X_train=train_data[ipt_col]
X_test=val_data[ipt_col]
y_train=train_data[target_col]
y_test=val_data[target_col]
return X_train, X_test, y_train, y_test
X_train, X_test, y_train, y_test =train_test_spl(data_pos_4,data_val_4)- 训练模型
from sklearn.model_selection import GridSearchCV
def model_train(X_train,y_train,model):
## 导入XGBoost模型
from xgboost.sklearn import XGBClassifier
if model=='XGB':
parameters = {'max_depth': [3,5, 10, 15, 20, 25],
'learning_rate':[0.1, 0.3, 0.6],
'subsample': [0.6, 0.7, 0.8, 0.85, 0.95],
'colsample_bytree': [0.5, 0.6, 0.7, 0.8, 0.9]}
xlf= XGBClassifier(n_estimators=50)
grid = GridSearchCV(xlf, param_grid=parameters, scoring='accuracy', cv=3)
grid.fit(X_train, y_train)
best_params=grid.best_params_
res_model=XGBClassifier(max_depth=best_params['max_depth'],learning_rate=best_params['learning_rate'],subsample=best_params['subsample'],colsample_bytree=best_params['colsample_bytree'])
res_model.fit(X_train, y_train)
else:
pass
return res_model
xgb_model= model_train(X_train, y_train, model='XGB') - 保存模型
# 导入包 import joblib # 保存模型 joblib.dump(xgb_model, 'train_rf_importance_model.dat', compress=3)
二、加载模型并用于预测
load joblib.load(filename, mmap_mode=None)
- filename：str.pathlib.Path或文件对象。要从中加载对象的文件或文件路径。
- mmap_mode：{无，‘r +’，‘r’，‘w +’，‘c’}，可选如果不是“None”，则从磁盘对阵列进行内存映射。此模式对压缩文件无效。请注意，在这种情况下，重建对象可能不再与原始对象完全匹配。
加载模型
# 加载模型
load_model_xgb_importance = joblib.load("F:\\python_machine_learing_work\\501_model\\data\\测试集\\train_xgb_importance_model.dat")
# 使用模型预测
y_pred_rf = model_predict(load_model_xgb_importance, X_test, alpha = alpha)到此这篇关于Python中的joblib模块详解的文章就介绍到这了,更多相关Python的joblib模块内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！