如何通過模型進行預測而無需再次訓練？

Question

我正在heroku上部署Flask應用程序，以根據ML模型進行預測。 如何進行預測，而無需為每個預測再次訓練？

它在Jupyter Notebook上效果很好，因為我只需要更改輸入值並執行該特定單元格即可進行預測。 但是，當整個代碼在Heroku甚至VSC上運行時，它會一次又一次地訓練。

file = ("file.csv")
names = ['index1','index2','index3','output']
.
.
X_train,X_validation,Y_train,Y_validation=model_selection.train_test_split(X,Y,test_size=validation_size,random_state=seed)
.
.
models.append(('KNN',KNeighborsClassifier()))
..
results=[]
names=[]
for name,model in models:
    kfold=model_selection.KFold(n_splits=10,random_state=seed)
    cv_results=model_selection.cross_val_score(model,X_train,Y_train,cv=kfold)
    results.append(cv_results)
    names.append(name)
    msg = "%s: %f (%f)" % (name, cv_results.mean(), cv_results.std())
    print(msg)

knn=KNeighborsClassifier(n_neighbors=10)
knn.fit(X_train,Y_train)
predictions=knn.predict(X_validation)


//I need to make predicitions for the input below:
knn.predict(np.asmatrix([152,92,1,60,70]))

Answer 1

如果執行.fit那么顯然它將再次訓練，看來您確實做到了。 如果要部署已經訓練有素的分類器，則必須保存它，因此它不會失去訓練有素的權重。

如果您想堅持下去，訓練有素的分類器sklearn會建議三個選項：

• pickle ：只腌制訓練有素的分類器並恢復它。

• onnxmltools ：ONNX是已訓練有素的分類器的常用交換工具，您可以加載這些分類器以進行預測。

• sklearn2pmml ：與ONNX相同的故事，只是格式不同的PMML。

老實說，我不知道哪個是最好的選擇，我也沒有對其進行測試，但是您應該加載性能測試，因為它是一個heroku應用程序，或者甚至考慮使用您的分類器作為持久性全局變量（不要忘記鎖定！ ）。