'''
训练好了模型之后保存到本地，并重新加载模型用于预测的两种方法
'''
# 方法1:pickle
from sklearn import svm
from sklearn import datasets
import pickle
clf = ()
iris = datasets.load_iris()
X,y = ,
(X,y)
# 模型的保存
with open('','wb') as f:
(clf,f) #将训练好的模型clf存储在变量f中，且保存到本地
# 模型的重新加载和使用
with open('','rb') as f:
clf_load = (f) #将模型存储在变量clf_load中
print(clf_load.predict(X[0:1000])) #调用模型并预测结果
# 方法2:joblib方法
from sklearn import svm
from sklearn import datasets
import joblib
# 函数是用在0.21及以前的版本中，在最新的版本中，该函数应被弃用改为直接导入joblib
# from import joblib
clf = ()
iris = datasets.load_iris()
X,y = ,
(X,y)
# 保存训练好的clf模型
(clf,'',compress=3)
# 重新加载训练好的clf模型
clf3 = ('')
print((X[0:1000])) # 打印预测值
# 相对比而言，joblib更高效，但32位python和64位python不能无缝连接使用，可以通过如下代码查看本机的情况
import platform
print(())
