Python scikit-learn：导出经过训练的分类器

Question

我正在使用来自nolearn 的基于 scikit-learn 的 DBN（深度信念网络）。

我已经建立了一个可以很好地对我的数据进行分类的网络，现在我有兴趣导出模型以进行部署，但我不知道如何（每次我想预测某些东西时我都在训练 DBN）。在matlab 中，我只需导出权重矩阵并将其导入另一台机器。

有人知道如何导出模型/要导入的权重矩阵而无需再次训练整个模型吗？

Answer 1

首先，安装joblib。

你可以使用：

>>> import joblib
>>> joblib.dump(clf, 'my_model.pkl', compress=9)

然后，在预测服务器上：

>>> import joblib
>>> model_clone = joblib.load('my_model.pkl')

这基本上是一个 Python 泡菜，对大型 numpy 数组进行了优化处理。它与普通泡菜 w.r.t 具有相同的限制。代码更改：如果 pickle 对象的类结构发生更改，您可能无法再使用新版本的 nolearn 或 scikit-learn 解开对象。

如果您想要长期稳健的存储模型参数的方式，您可能需要编写自己的 IO 层（例如，使用二进制格式的序列化工具，例如协议缓冲区或 avro 或低效但可移植的文本/json/xml 表示形式，例如如PMML)。

Answer 2

scikit-learn 文档中的 3.4. Model persistence 部分几乎涵盖了所有内容。

除了sklearn.externals.joblibogrisel 所指外，还展示了如何使用常规的pickle包：

>>> 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, degree=3, gamma=0.0,
  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])
array([0])
>>> y[0]
0

并给出一些警告，例如保存在一个 scikit-learn 版本中的模型可能无法在另一个版本中加载。

Answer 3

Pickling/unpickling 的缺点是它仅适用于匹配的 python 版本（主要版本和可能的次要版本）和 sklearn、joblib 库版本。

还有其他机器学习模型的描述性输出格式，例如由 Data Mining Group 开发的，例如预测模型标记语言 (PMML) 和可移植分析格式 (PFA)。在这两者中，PMML 是much better supported。

因此，您可以选择将模型从 scikit-learn 保存到 PMML（例如使用 sklearn2pmml），然后使用 jpmml 在 java、spark 或 hive 中部署和运行它（当然您还有更多选择）。