在scikit中保存决策树模型

Question

我正在使用Scikit在Python中学习构建决策树。我已经在一个特定的数据集上训练了这个模型，现在我想保存这个决策树，以便以后可以使用它（在一个新的数据集上）。有人知道怎么做吗

Answer 1

从this tutorial的模型持久性部分可以看出：

通过使用Python的内置持久性模型，即pickle，可以在scikit中保存一个模型：

>>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC()
>>> iris = datasets.load_iris()
>>> X, y = iris.data, iris.target
>>> clf.fit(X, y)  
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
  kernel='rbf', max_iter=-1, probability=False, random_state=None,
  shrinking=True, tol=0.001, verbose=False)

>>> import pickle
>>> s = pickle.dumps(clf)
>>> clf2 = pickle.loads(s)
>>> clf2.predict(X[0])
array([0])
>>> y[0]
0

Answer 2

目前还没有可靠的方法来做到这一点。虽然pickle确实有效，但它还不够好，因为不能保证用更高版本的scikit learn正确地取消pickle数据

引自：http://scikit-learn.org/stable/modules/model_persistence.html#security-maintainability-limitations

Models saved in one version of scikit-learn might not load in another version.

Answer 3

我使用joblib如下：

>>> from joblib import dump, load
>>> dump(clf, 'filename.joblib')
>>> clf = load('filename.joblib')

但是，需要考虑these安全性和可维护性限制。