jupyter notebook训练的模型删除

### 如何在 Jupyter Notebook 中删除已训练的机器学习模型

当不再需要某个特定的机器学习模型实例时，在 Python 环境下可以通过多种方式来释放该对象所占用的空间。一种常见的方式是在内存层面移除对这个对象的所有引用，使得垃圾回收机制可以自动清除它。

如果想要立即强制执行这一过程而不等待 Python 的内置垃圾收集器，则可调用 `del` 关键字显式地销毁变量名指向的对象：

import sklearn
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

# 加载数据并创建模型
data = load_iris()
X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.2, random_state=42)
model = KNeighborsClassifier(n_neighbors=3).fit(X_train, y_train)

print("Model has been created.")

# 删除模型
del model  # 这里会断开 'model' 变量与之前定义好的分类器之间的联系

需要注意的是，一旦使用了 `del` 命令之后再试图访问被删掉的对象将会引发异常错误，因为此时已经不存在有效的名称绑定到那个位置上了[^1]。

对于那些存储于文件系统的持久化模型来说（比如通过 joblib 或者 pickle 序列化的形式），则应该先关闭任何打开着的相关资源连接，接着利用操作系统命令或者相应的库函数来进行物理上的擦除操作:

import os
from joblib import dump, load

# 将模型保存至磁盘
dump(model, 'filename.joblib')

# 同样要记得删除对应的文件才能彻底消除影响
os.remove('filename.joblib')

上述方法适用于大多数情况下简单快速地清理工作空间内的临时性或不必要的模型实例；然而，在实际项目开发过程中应当更加谨慎对待此类动作，以免误删重要资料造成不可逆损失[^2]。