Python scikit-learn：訓練されたクラシファイアをエクスポートする

Question

私はscikit-learnに基づいてnolearnからDBN（深い信念ネットワーク）を使用しています。

私は既にデータを非常によく分類できるネットワークを構築していますが、今はモデルをエクスポートすることに興味がありますが、私は何かを予測するたびにDBNをトレーニングしています。私はちょうど重量行列をエクスポートし、別のマシンにインポートするmatlabで。

誰かが、モデル全体を再度訓練する必要なく、インポートするモデル/重量マトリックスをエクスポートする方法を知っていますか？

を使用でき

Answer 1

：

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

そしてその後、予測サーバー上：

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

これは基本的に大規模なnumpyのアレイのための最適化されたハンドリングとPythonの漬物です。それは通常の漬物w.r.tと同じ制限があります。コードの変更：pickleオブジェクトのクラス構造が変更された場合、新しいバージョンのnolearnまたはscikit-learnでオブジェクトをunpickleできなくなる可能性があります。

モデルパラメータを長期保存したい場合は、独自のIOレイヤーを作成する必要があるかもしれません（例えば、プロトコルバッファーやavroや非効率な移植性のあるtext/json/xml表現例えばPMML）。

Answer 2

scikit-learnドキュメントのセクション3.4. Model persistenceには、ほとんどすべてが含まれています。指さsklearn.externals.joblib ogriselに加えて

は、それが通常の漬物パッケージを使用する方法を示しています。

>>> 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 

をして、このようなscikit-学ぶ別にロードされない場合がありますのいずれかのバージョンで保存されたモデルなど、いくつかの警告を与えますバージョン。

Answer 3

pickling/unpicklingは、pythonのバージョン（メジャーバージョンと場合によってはマイナーバージョン）とsklearn、joblibライブラリバージョンとのみ一致するという欠点があります。

Data Mining Groupによって開発された予測モデルマークアップ言語（PMML）やポータブル形式の解析（PFA）などの、機械学習モデルの代替の記述出力形式があります。このうち、PMMLはmuch better supportedです。

scikit-learnからPMMLにモデルを保存して（たとえばsklearn2pmmlを使用して）モデルを保存し、jpmmlを使用してjava、spark、またはhiveで展開して実行するオプションがあります。