По ссылке руководство XGBoost,
БСТ.save_model('0001.модель')
БСТ.dump_model('свалку.сырье.тхт') модель самосвала # БСТ.dump_model('свалку.сырье.тхт','featmap.тхт') модель# дамп карте
БСТ = кольцевой.Ракета-носитель({'nthread':4}) модель #инит БСТ.load_model (на"модели.бин" - а) загрузка данных #
Мой вопрос :
save_model
& dump_model
? '0001.модель'
и 'свалку.сырье.тхт','featmap.тхт'
?отличается от имени, чтобы спастись
0001.модель``? model_A
и model_B`, я хотел сохранить как модели для будущего использования, которая "сохранить" & `нагрузка
функцию я должен использовать? Не могли бы вы помочь показать четкий процесс?Обе функции save_model
и dump_model
сохранить модель, разница в том, что в dump_model` вы можете сохранить имя объекта и сохранить дерево в текстовом формате.
В load_model
будет работать с моделью от save_model
. Модель с dump_model может быть использовано, например, в xgbfi.
Во время загрузки модель, вы должны указать путь, где ваши модели сохраняется. В Примере БСТ.load_model (на"модели.бин" и модели) загружается из файла модели
.бин - это просто имя файла с моделью. Удачи!
Простой способ сохранения и загрузки модели xgboost с библиотекой joblib.
import joblib
#save model
joblib.dump(xgb, filename)
#load saved model
xgb = joblib.load(filename)
Я нашел свой путь здесь, потому что я искал способ сохранять и загружать свою модель xgboost. Вот как я решил мою проблему:
import pickle
file_name = "xgb_reg.pkl"
# save
pickle.dump(xgb_model, open(file_name, "wb"))
# load
xgb_model_loaded = pickle.load(open(file_name, "rb"))
# test
ind = 1
test = X_val[ind]
xgb_model_loaded.predict(test)[0] == xgb_model.predict(test)[0]
Out[1]: True