分类： Sklearn

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

一、查看原始存储位置

在安装完Jupyter Notebook之后，新建的Jupyter Notebook文件一般会默认保存在C盘的某个位置（例如C:\Users\jzh）。

具体可以通过在Jupyter Notebook输入以下代码，查看到文件储存位置：

import os

print(os.path.abspath(‘.’))

二、修改文件存储路径的方法

进入cmd命令，然后输入指令“jupyter notebook –ge

Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。

Pandas 名字衍生自术语 “panel data”（面板数据）和 “Python data analysis”（Python 数据分析）。

Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）。

Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。

Pandas 可以对各种数据进行运算操作，

from sklearn.linear_model import LinearRegression

import numpy as np

# 创建并拟合模型

X = [[6], [8], [10], [15], [18]]

y = [[20], [25], [35], [50], [60]]

model = LinearRegression()

model.fit(X, y)

print(model.coef_,model.intercept_)

predict_

import matplotlib.pyplot as plt

def runplt():

plt.figure()

plt.title(‘披萨直径与价格曲线’)

plt.xlabel(‘直径’)

plt.ylabel(‘价格/元’)

plt.axis([0, 25, 0, 70])

plt.grid(True)

return plt

plt = runplt()

X = [[6], [8], [10], [15], [18]]

y = [[20],

pip install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple/

# cmd 启动

jupyter notebook

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

x = np.linspace(-10,10)

y = np.sin(x)

plt.plot(x,y)

pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple/