使用scikit學習訓練模型的更快方法

Question

我已經使用scikit-learn訓練了預測模型，並使用pickle將其保存到硬盤中。 pickle文件為58M，相當大。

為了使用該模型，我編寫了如下代碼：

def loadModel(pkl_fn):
    with open(pkl_fn, 'r') as f:
         return pickle.load(f)


if __name__ == "__main__":
    import sys
    feature_vals = read_features(sys.argv[1])
    model = loadModel("./model.pkl")
    # predict 
    # model.predict(feature_vals)

我想知道在命令行中多次運行該程序時的效率。

泡菜文件應該可以快速加載，但是有什么方法可以加快速度嗎？ 我可以將整個內容編譯為二進制可執行文件嗎？

Answer 1

如果您擔心加載時間，可以使用joblib.dump和joblib.load ，對於scikit-learn joblib.load ，它們比pickle效率更高。

有關完整（非常簡單）的示例，請參閱文檔或ogrisel的相關答案： 在scikit-learn中將分類器保存到磁盤