svm.svc 如何保存模型,预测自己的 数据

在使用scikit-learn中的SVM模型（SVC）时，我们可以使用pickle库将训练好的模型保存到磁盘上。

首先，导入pickle库。在保存模型之前，确保已经对SVC模型进行了训练。

import pickle
from sklearn import svm

# 创建SVC模型并训练
model = svm.SVC()
model.fit(X_train, y_train)

接下来，使用pickle库的dump()函数将模型保存到磁盘上。

# 将模型保存到磁盘
filename = 'svm_model.sav'
pickle.dump(model, open(filename, 'wb'))

模型现在已经保存为一个扩展名为“.sav”的文件。

要加载和使用保存的模型进行预测，可以使用pickle库的load()函数进行反序列化。

# 加载保存的模型
loaded_model = pickle.load(open(filename, 'rb'))

# 使用加载的模型进行预测
result = loaded_model.predict(X_test)

现在，我们可以使用加载的模型进行预测，并将结果存储在result变量中。

请注意，加载的模型应该与训练模型的数据具有相同的特征和标签数目，否则可能会导致错误。预测结果将根据模型对输入数据进行分类，可以根据需要进一步处理。