将sklearn模型导出到json。
sklearn-export的Python项目详细描述
sklearn导出
此包基于来自https://github.com/nok/sklearn-porter的sklearn端口。我之所以选择构建它是因为sklearn端口以矩阵格式保存数据。然而,大多数流行的代数库都是用来处理向量的。然后,sklearn export将sklearn模型数据保存为json格式(作为列向量)。请注意,这是一个测试版,然后只有一些模型和功能是支持的。
新功能(0.0.4)
错误更正并添加对svr和linearsvr的支持。
支架
Class | Details |
---|---|
sklearn.svm.SVC | C-Support Vector Classification. The multiclass support is handled according to a one-vs-one scheme. |
sklearn.svm.NuSVC | Nu-Support Vector Classification. Similar to SVC but uses a parameter to control the number of support vectors. |
sklearn.svc.LinearSVC | Linear Support Vector Classification. |
sklearn.neural_network.MLPClassifier | Multi-layer Perceptron classifier. |
sklearn.neural_network.MLPRegressor | Multi-layer Perceptron regressor. |
sklearn.linear_model.LogisticRegression | Logistic Regression (aka logit, MaxEnt) classifier. |
sklearn.linear_model.LinearRegression | Ordinary least squares Linear Regression. |
sklearn.preprocessing.MinMaxScaler | Transforms features by scaling each feature to a given range. |
sklearn.preprocessing.StandardScaler | Standardize features by removing the mean and scaling to unit variance |
sklearn.svm.SVR | Epsilon-Support Vector Regression. |
sklearn.svm.LinearSVR | Linear Support Vector Regression. |
observation:从sklearn文档中提取的详细信息。
安装
我们建议使用pip进行安装:
$ pip install sklearn_export
如果您使用的是jupyter笔记本,请考虑通过笔记本电脑安装sklearn_export。然后,您可以键入并执行以下操作:
importsys!{sys.executable}-mpipinstallsklearn_export
用法
实际上,sklearn导出可以保存分类器、回归和一些定标器(请参阅支持会话)。
保存模型或缩放器
基本用法是保存一个简单的模型。
# Basic importsfromsklearn.datasetsimportload_irisfromsklearn_exportimportExportfromsklearn.neural_networkimportMLPRegressor# Load data and train modelsamples=load_iris()X,y=samples.data,samples.targetclf=MLPRegressor()clf.fit(X,y)# Save using sklearn_exportexport=Export(clf)export.to_json()
结果是一个json文件,可以用任何语言加载。
保存模型和缩放器
sklearn导出还可以在同一json中保存多个类。这用于存储分类器和定标器(例如)。老实说,实际上只可能存储一对模型和scaler。
# Basic importsfromsklearn.datasetsimportload_irisfromsklearn_exportimportExportfromsklearn.preprocessingimportStandardScalerfromsklearn.neural_networkimportMLPRegressor# Load datasamples=load_iris()X,y=samples.data,samples.target# Normalize datascaler=StandardScaler()Xz=scaler.fit_transform(X)# Train model with normalized dataclf=MLPRegressor()clf.fit(Xz,y)# Save model and scaler using sklearn_exportexport=Export([scaler,clf])export.to_json()
结果是一个json文件,其中包含有关模型和scaler的信息。文件可以用任何语言加载。
额外选项
方法to_json()
还支持其他一些参数:
Parameter | Details | Default |
---|---|---|
^{ | Name of the output Json file | ^{ |
^{ | Path to save the file | ^{ |
^{ | Name of the output Json file | ^{ |
问题
如果您有任何问题,请给我发一封邮件charles26f@gmail.com。