将分类器保存到 scikit-learn 中的 postrgesql 数据库

Question

我知道 scikit-learn 模型可以通过使用 joblib 保存在文件中（如下所述：http://scikit-learn.org/stable/modules/model_persistence.html）。但是，由于我在 postgresql plpythonu 函数中有机器学习过程，所以我宁愿将模型保留在 Postgresql 数据库中。

在 Postgresql 数据库中存储 scikit-learn 模型的最方便的推荐方法是什么？

Answer 1

如果您使用 Django，您可以对 sci-kit 学习模型进行二值化

使用 pickle，然后将其保存到具有 BinaryField 成员的表中。

一个简单的例子：

views.py（保存）

from sklearn import svm
import pickle
from ml.models import MlModels
from rest_framework.response import Response

@api_view(['GET'])
def save(request):
  if request.method == 'GET':
    X = [[0.12, 22, 33, 100], [0.19, 19, 99, 33], [0.5, 50, 150, 0]]
    y = [1, 0, 1]
    model = svm()
    model.fit(X=X, y=y)
    data = pickle.dumps(model)
    MlModels.objects.create(model=data)
    return Response(status=status.HTTP_200_OK)

模型.py

from django.db import models

class MlModels(models.Model):
    model       =   models.BinaryField()

视图.py（使用）

import pickle
from ml.models import MlModels
from rest_framework.response import Response

@api_view(['GET'])
def predict(request):
    if request.method == "GET":
        X = [[0.12, 22, 33, 100]]
        raw_model = MlModel.objects.all()[0]
        model = pickle.loads(raw_model.model)
        print(model.predict(X))
        return Response(status=status.HTTP_200_OK)

Answer 2

以下是 Python 中的示例代码，用于将训练后的模型发送到 Postgres 表。请注意，您首先需要创建一个具有“bytea”类型列的表，以二进制格式存储 pickle sklearn 模型。

from sklearn import svm
    
import psycopg2
import pickle
    
#### # Connect to Postgres
    
connection = psycopg2.connect(user, password, host, port, database)
cur = connection.cursor()
model = svm.OneClassSVM()
model.fit(features)   # features are some training data
data = pickle.dumps(model)    # first we should pickle the model
    
#### # Assuming you have a Postgres table with columns epoch and file

sql = "INSERT INTO sampletable (epoch, file) VALUES(%s)"
cur.execute(sql, (epoch, psycopg2.Binary(data)))
connection.commit()