Python statsmodels OLS：如何將學習的模型保存到文件中

Question

我想學習使用Python的statsmodels庫中的普通最小二乘模型，描述在這里 。

sm.OLS.fit（）返回學習的模型。 有沒有辦法將其保存到文件並重新加載？ 我的訓練數據很大，學習模型大約需要半分鍾。 所以我想知道OLS模型中是否存在任何保存/加載功能。

我在模型對象上嘗試了repr()方法，但它沒有返回任何有用的信息。

Answer 1

模型和結果實例都有一個保存和加載方法，因此您不需要直接使用pickle模塊。

編輯以添加示例：

import statsmodels.api as sm

data = sm.datasets.longley.load_pandas()

data.exog['constant'] = 1

results = sm.OLS(data.endog, data.exog).fit()
results.save("longley_results.pickle")

# we should probably add a generic load to the main namespace
from statsmodels.regression.linear_model import OLSResults
new_results = OLSResults.load("longley_results.pickle")

# or more generally
from statsmodels.iolib.smpickle import load_pickle
new_results = load_pickle("longley_results.pickle")

編輯2我們現在已經在master中為主statsmodels API添加了一個load方法，所以你可以這樣做

new_results = sm.load('longley_results.pickle')

Answer 2

我已經安裝了statsmodels庫，發現你可以使用python中的pickle模塊保存這些值。

模型和結果可通過保存/加載進行選擇，可選擇保存模型數據。 [資源]

舉個例子：

鑒於您已將結果保存在變量結果中：

要保存文件：

import pickle    
with open('learned_model.pkl','w') as f:
  pickle.dump(results,f)

要閱讀文件：

import pickle
with open('learned_model.pkl','r') as f:
  model_results = pickle.load(f)