sklearn存储模型

在 scikit-learn 中，使用 `joblib` 模块来存储模型。`joblib` 模块是一个在 Python 中用于序列化和反序列化 Python 对象的库，它可以有效地存储大型 NumPy 数组和其他类型的科学数据结构。

以下是使用 `joblib` 模块存储 scikit-learn 模型的示例代码：

from sklearn.externals import joblib
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression

# 加载 iris 数据集
iris = load_iris()

# 训练逻辑回归模型
clf = LogisticRegression()
clf.fit(iris.data, iris.target)

# 存储模型
joblib.dump(clf, 'logistic_regression.pkl')

上述代码使用 `joblib.dump()` 函数将训练好的逻辑回归模型存储为名为 `logistic_regression.pkl` 的文件。

要加载模型并进行预测，可以使用以下代码：

# 加载模型
clf = joblib.load('logistic_regression.pkl')

# 进行预测
clf.predict(iris.data)

上述代码使用 `joblib.load()` 函数加载之前存储的模型，并使用它进行预测。