如何将火车模型投入生产？答案

【问题标题】：How to move the train model to production?如何将火车模型投入生产？
【发布时间】：2018-03-25 22:42:53
【问题描述】：

我已经完成了一个模型，它的性能在可接受的范围内。我正在使用 python 和 scitkit-learn 专门。

接下来是将模型转移到生产中。

我可以请求帮助将这些模型投入生产吗？如何保存经过训练的模型以便将其投入生产。

提前感谢您的帮助。

【问题讨论】：

这是一个很笼统的问题。我认为您应该在网上搜索一些教程。但是，作为初学者，您可能希望考虑使用 Pickle 保存模型，然后使用 flask 将其作为 API 提供。

标签： python machine-learning scikit-learn linear-regression

【解决方案1】：

正如评论者所建议的，您应该使用pickle。特别是对于 ML，您正在寻找的是 Model persistence。使用 scikit-learn：

在训练 scikit-learn 模型后，希望有一种方法可以持久化模型以供将来使用，而无需重新训练。

还有他们的例子：

>>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC()
>>> iris = datasets.load_iris()
>>> X, y = iris.data, iris.target
>>> clf.fit(X, y)  
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
    decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf',
    max_iter=-1, probability=False, random_state=None, shrinking=True,
    tol=0.001, verbose=False)

>>> import pickle
>>> s = pickle.dumps(clf)
>>> clf2 = pickle.loads(s)
>>> clf2.predict(X[0:1])
array([0])
>>> y[0]
0

在 scikit 的特定情况下，使用 joblib 替换 pickle (joblib.dump & joblib.load) 可能更有趣，这对于内部携带大型 numpy 数组的对象更有效，因为通常情况下适合 scikit-learn 估计器，但只能腌制到磁盘而不是字符串：

>>> from sklearn.externals import joblib
>>> joblib.dump(clf, 'filename.pkl')

【讨论】：