Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
Tags
- 다층 퍼셉트론
- 파이썬 pandas
- 모두의 딥러닝
- numpy
- 자연어 처리
- 감성분석
- 기초통계
- rnn
- 밑바닥부터 시작하는 딥러닝
- 밑바닥부터 시작하는 딥러닝2
- 히스토그램
- F분포
- student t분포
- word2vec
- 구글 BERT의 정석
- 오래간만에 글쓰네
- 은준아 화이팅
- 텐서플로2와 머신러닝으로 시작하는 자연어처리
- 차원축소
- 텍스트 분류
- 기술통계학
- Pandas
- 코사인 유사도
- 회귀분석
- 군집화
- 머신러닝
- 결정계수
- 가설검정
- Django
- 최소자승법
Archives
- Today
- Total
데이터 한 그릇
머신러닝(5)_모델을 저장하고 불러오기 본문
1. 모델 저장하기
lr = LogisticRegression(max_iter = 400)
lr.fit(x_train, y_train)
모델 객체를 생성하고 학습시키기
import joblib
# model save
joblib.dump(lr,'./model/iris_model.pkl')
`joblib` 을 통해서 특정 모델을 지정된 경로에 저장하기
2. 모델 불러오기
#file -> model load
model_from_joblib = joblib.load('./model/iris_model.pkl')
model_from_joblib.score(x_test, y_test)
지정된 경로를 적어주고 joblib 을 통해서 불러오기
'머신러닝 > 머신러닝기초' 카테고리의 다른 글
머신러닝(7)_피처 스케일링 (0) | 2021.07.23 |
---|---|
머신러닝(6)_교차검증과 최적 파라미터 (0) | 2021.07.23 |
머신러닝(4)_교차검증 (0) | 2021.07.23 |
머신러닝(3)_전처리 (0) | 2021.07.23 |
머신러닝(2)_데이터분리 (0) | 2021.07.21 |
Comments