把训练好的随机森林模型保存下来
时间: 2023-07-10 15:21:02 浏览: 222
在 Python 中,可以使用 "joblib" 库来保存训练好的随机森林模型。具体步骤如下:
1. 导入 joblib 库:
```python
from sklearn.externals import joblib
```
2. 训练随机森林模型并保存:
```python
from sklearn.ensemble import RandomForestClassifier
# 加载训练数据
X_train, y_train = load_train_data()
# 训练随机森林模型
rf = RandomForestClassifier(n_estimators=100, max_depth=10)
rf.fit(X_train, y_train)
# 保存模型
joblib.dump(rf, 'rf_model.pkl')
```
在上面的代码中,我们首先导入了 joblib 库,并加载了训练数据。然后,我们训练了一个有 100 个决策树和最大深度为 10 的随机森林模型,并使用 joblib.dump() 方法将模型保存到 "rf_model.pkl" 文件中。
3. 加载保存的模型:
```python
# 加载模型
rf = joblib.load('rf_model.pkl')
# 对新数据进行预测
X_test = load_test_data()
y_pred = rf.predict(X_test)
```
在上面的代码中,我们使用 joblib.load() 方法加载了保存的随机森林模型,并使用该模型对新数据进行了预测。
通过上述步骤,你就可以保存训练好的随机森林模型并在需要时加载使用。