sklearn 模型保存及加载

sklearn模型的保存和加载api
import joblib
保存：joblib.dump(estimator, ‘test.pkl’)
加载：model= joblib.load(‘test.pkl’)

from sklearn.linear_model import LinearRegression
import numpy as np
import joblib

# 创建并拟合模型
x = [[6], [8], [10], [15], [18]]
y = [[20], [25], [35], [50], [60]]

# 用默认属性创建线性回归模型
#model = LinearRegression()
# 模型训练
#model.fit(x, y)

# model.coef_ 和 model.intercept_ 属于 Model 的属性。
# 例如对于 LinearRegressor 这个模型，这两个属性分别输出模型的斜率和截距（与y轴的交点）。
#print(model.coef_, model.intercept_)

# 模型保存
#joblib.dump(model, "./model/test.pkl")

# 模型加载
model = joblib.load("./model/test.pkl")

# 预测数据 转化为 数组
predict_data = np.array([12]).reshape(-1, 1)
print('predict_data', predict_data)

# 预测
predict_result = model.predict(predict_data)

print('预测一张12英寸(1英寸=2.54cm)匹萨价格：$%.2f' % predict_result)