使用 Pickle 和 Joblib 保存机器学习模型的快速技巧

保存模型是模型开发领域的关键部分。为了理解它的意思，让我们用一个非常简单的例子来理解它：

假设你正在处理与房租相关的练习问题，给定大量数据点和输入特征。执行EDA、 预处理（可能需要创建额外的特征）并将我们的数据提供给我们的模型，这些步骤是很常见的。

在这种情况下，即使我们使用最简单的线性回归模型（多变量），由于它需要所有输入特征和所有参数，其大小可能会变得巨大，而这些参数将非常耗时，需要一次又一次地重新训练以供使用。

因此，最简单的做法是保存我们的模型，稍后加载它以进行推理或预测。虽然 Keras 模型 API 提供了 [ model.save()] 功能来保存我们的深度学习模型，但仅限于深度学习领域，对于大多数初学者来说，在 ML 中保存他们的模型非常令人困惑。由于估计器具有大量参数，因此最好保存它们。所以在这篇文章中，我们将研究一些小技巧来保存我们的模型