Python4Finance

مروری بر یادگیری ماشین با پایتون - بخش چهارم
ماندگاری مدل (Model persistence)
خیلی از اوقات ممکن است بخواهیم در زمان های مختلفی از مدل یادگیری ماشین استفاده کنیم اما مشکل اینجاست که هر بار باید مدل با استفاده از داده ها یادگرفته (ترین شود). حالا شرایطی را در نظر بگیرید که شما برای یادگرفتن مدل از میلیون ها داده استفاده کرده اید!
خوشبختانه امکان نگهداری مدل (بدون نیاز به یادگیری مجدد) وجود دارد. برای این منظور از ماژول joblib استفاده می کنیم.
در مثال این پست، ابتدا فرآیند یادگیری مدل انجام شده و سپس در فایلی به نام product-prediction.joblib ذخیره می شود.
از این به بعد صرفا با Load کردن فایل مذکور بدون یادگیری مدل می توانیم از هوشمندی! مدل استفاده کنیم.

#یادگیری_ماشین
#پایتون_مالی
#Machine_learning
#scikit-learn

@python4finance

www.tgoop.com/python4finance/596

3.06K viewsJul 3, 2021 at 15:30

مروری بر یادگیری ماشین با پایتون - بخش چهارم
ماندگاری مدل (Model persistence)
خیلی از اوقات ممکن است بخواهیم در زمان های مختلفی از مدل یادگیری ماشین استفاده کنیم اما مشکل اینجاست که هر بار باید مدل با استفاده از داده ها یادگرفته (ترین شود). حالا شرایطی را در نظر بگیرید که شما برای یادگرفتن مدل از میلیون ها داده استفاده کرده اید!
خوشبختانه امکان نگهداری مدل (بدون نیاز به یادگیری مجدد) وجود دارد. برای این منظور از ماژول joblib استفاده می کنیم.
در مثال این پست، ابتدا فرآیند یادگیری مدل انجام شده و سپس در فایلی به نام product-prediction.joblib ذخیره می شود.
از این به بعد صرفا با Load کردن فایل مذکور بدون یادگیری مدل می توانیم از هوشمندی! مدل استفاده کنیم.

#یادگیری_ماشین
#پایتون_مالی
#Machine_learning
#scikit-learn

@python4finance

BY Python4Finance