sklearn的 fit 和 predict 使用

最新推荐文章于 2024-01-05 07:02:59 发布

BigDeng_2014

最新推荐文章于 2024-01-05 07:02:59 发布

阅读量1.6k

点赞数

分类专栏：工作文章标签： sklearn 机器学习 python

本文链接：https://blog.csdn.net/BigDeng_2014/article/details/126260010

版权

工作专栏收录该内容

12 篇文章

订阅专栏

本文通过使用支持向量机(SVM)对sklearn提供的digits数据集进行训练，并展示了如何利用训练好的模型进行预测。此外，还介绍了两种保存模型的方法：pickle和joblib。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

fit 表示训练

predict 表示预测

from sklearn import datasets
iris = datasets.load_iris()
digits = datasets.load_digits()
print(digits.data)  # (n_samples, n_features)
print(digits.target)

from sklearn import svm
classifier = svm.SVC(gamma=0.001, C=100.)
classifier.fit(digits.data[:-1], digits.target[:-1]) 
print(classifier.predict(digits.data[-1:]))

import pickle
localmodel = pickle.dumps(classifier)
classifier2 = pickle.loads(localmodel)
print(classifier2.predict(digits.data[-1:]))

import joblib
joblib.dump(classifier, './digits.svc.joblib')
classifier3 = joblib.load('./digits.svc.joblib')
print(classifier3.predict(digits.data[-1:]))