joblib.load
时间: 2023-11-06 11:19:39 浏览: 35
joblib.load() 是一个用于从磁盘中加载已经保存的 Python 对象的函数,常用于机器学习中的模型加载。它可以加载通过 joblib.dump() 函数保存的任何 Python 对象,包括 NumPy 数组、Pandas 数据帧、Scikit-Learn 模型等。这个函数可以省去手动反序列化过程的麻烦,因此可以方便地将已经训练好的模型加载到内存中,以供后续的预测和推理使用。
相关问题
joblib.load示例
joblib.load() 函数用于从磁盘中加载已经序列化的 Python 对象。它的语法如下:
```python
joblib.load(filename, mmap_mode=None)
```
其中,`filename` 是被加载的文件的路径,`mmap_mode` 是可选的参数,用于指定内存映射模式,如果指定为 None,则会使用默认值 `'r'`。
下面是一个示例:
```python
import joblib
# 定义一个 Python 对象
data = {'name': 'Alice', 'age': 28, 'city': 'Beijing'}
# 将 Python 对象序列化并保存到磁盘
joblib.dump(data, 'data.joblib')
# 从磁盘中加载 Python 对象
loaded_data = joblib.load('data.joblib')
# 打印加载的 Python 对象
print(loaded_data)
```
输出结果为:
```
{'name': 'Alice', 'age': 28, 'city': 'Beijing'}
```
joblib.load导入svm
你可以使用joblib.load()函数从磁盘中加载保存的SVM模型,然后使用该模型进行预测。
以下是一个示例代码:
```python
from sklearn import svm
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.externals import joblib
# 加载鸢尾花数据集
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=0)
# 训练SVM模型
clf = svm.SVC(kernel='linear', C=1.0)
clf.fit(X_train, y_train)
# 保存模型
joblib.dump(clf, 'svm.model')
# 加载模型
clf = joblib.load('svm.model')
# 使用模型进行预测
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)
```
在上面的示例代码中,首先加载了鸢尾花数据集,然后将数据集分为训练集和测试集。接着,使用训练集训练了一个SVM模型,并将其保存到磁盘中。最后,通过joblib.load()函数加载已保存的模型,使用测试集进行预测,并计算准确率。