cannot import name joblib from sklearn.externals的原因是使用joblib不需要从sklearn中导入了，解决方法：
import joblib
model = DecisionTreeRegressor(max_features=None,max_depth='sqrt')
joblib.dump(model, "train_model.m")
cannot import name joblib from sklearn.externals的原因是使用joblib不需要从sklearn中导入了，解决方法：import joblibsave_model = DecisionTreeRegressor(max_features=None,max_depth='sqrt')joblib.dump(save_model, "train_model.m") # 保存# model = joblib.load('train_model.m') # 读
from sklearn.linear_model import LogisticRegression
X_train = np.array([[1,2,3],[4,5,6],[10,9,8]])
Y_train = np....
在机器学习过程中，一般用来训练模型的过程比较长，所以我们一般会将训练的模型进行保存（持久化），然后进行评估，预测等等，这样便可以节省大量的时间。
在模型持久化过程中，我们使用scikit-learn提供的joblib.dump()方法，但是在使用过程中会出现很多问题。如我们使用如下语句：
joblib.dump(clf,'../../data/model/randomforest.pkl')...
前言:传统的机器学习任务从开始到建模的一般流程是：获取数据 -> 数据预处理 -> 训练建模 -> 模型评估 -> 预测，分类。本文我们将依据传统机器学习的流程，看看在每一步流程中都有哪些常用的函数以及它们的用法是怎么样的。希望你看完这篇文章可以最为快速的开始你的学习任务。
1. 获取数据
1.1 导入sklearn数据集
sklearn中包含了大量的优质的数据集，在你学习机器学习的过程中，你可以通过使用这些数据集实现出不同的模型，从而提高你的动手实践能力，同时这个过程也可以加
from sklearn.externals import joblib
#lr是一个LogisticRegression模型
joblib.dump(lr, 'lr.model')
lr = joblib.load('lr.model')
二、pickle
>>> from sklearn import svm
>>> from sklearn import datasets
这里写自定义目录标题此时有两种
解决办法（1）将
joblib包复制到
externals文件夹中（2）不用（1）那么麻烦
#网上有说是因为
sklearn版本太新了回退版本即可
其实不需要这么麻烦，无法从某个地方导入某个包，说明这个地方没有这个包
通过Anaconda Prompt
使用
conda install
joblib
安装
joblib包
在Anaconda Prompt中输入
conda search
joblib
搜寻结果如下：
可以看到我们已经从网上下载好了包
此时在spyder中输入
from
sklearn import datasets
model_xgb = svm.SVC()
X, y= datasets.load_iris(return_X_y=True)
model_xgb.fit(X, y)
文章目录1.前言2.pickle 保存3.pickle 保存
我们训练好了一个Model 以后总需要保存和再次预测, 所以保存和读取我们的sklearn model也是同样重要的一步。今天主要介绍两种保存Model的模块pickle与joblib。
2.pickle 保存
首先简单建立与训练一个SVC的Model。
from sklearn import svm
from sklearn...
Name:
joblib
Version: 0.16.0
Summary: Lightweight pipelining: using Python functions as pipeline jobs.
Home-page: https://
joblib.readthedocs.io
Author: Gael Varoquaux
Author-email: gael.varoquaux@normalesup.org
Licen
