Scikit-Learn 中的模型持久性？

Question

我正在尝试保存和加载 scikit-learn 模型，但当保存和加载发生在不同的 python 版本上时遇到问题。这是我尝试过的：

1. 使用pickle在python3中保存模型并在python2中反序列化。这适用于某些模型，如LR、SVM，但不适用于KNN。

   >>> pickle.load(open("inPy3.pkl", 'rb')) #KNN model
   ValueError: non-string names in Numpy dtype unpickling
   

2. 另外，我尝试使用 jsonpickle 在 json 中序列化和反序列化，但出现以下错误。

   data = jsonpickle.encode(lr) #lr = logisticRegression Model
   jsonpickle.decode(data)
   AttributeError: 'dict' object has no attribute '__name__'
   

另外，我想知道是否有一些实用程序可以用来将 scikit-learn 模型对象序列化和反序列化为人类可读的格式（json、xml、protobuf 等）。

Answer 1

您可以提取并存储它们的系数，而不是对整个模型进行酸洗。然后加载系数并用它们初始化模型。

与 sklearn 升级问题相关。类似的方法对于 python 版本也有效。