在 SVM 中只训练一次 python
Training only once in SVM python
我正在从事一个与检测人脸情绪相关的项目。我首先使用 SVM 训练图像，然后使用训练后的数据预测新图像。但是在测试新图像之前我必须一直训练。有什么方法可以存储训练好的数据，每次都用它来测试新图像吗？
clf = SVC(kernel='linear', probability=True, tol=1e-3)
def train():
train_data,train_label = trainfiles()
data = np.array(train_data)
label = np.array(train_label)
clf.fit(data,label)
分类器只是您可以像其他任何东西一样转储的对象：
保存分类器
from sklearn.externals import joblib
joblib.dump(clf, 'filename.pkl')
重新加载
clf = joblib.load('filename.pkl')
我正在从事一个与检测人脸情绪相关的项目。我首先使用 SVM 训练图像，然后使用训练后的数据预测新图像。但是在测试新图像之前我必须一直训练。有什么方法可以存储训练好的数据，每次都用它来测试新图像吗？
clf = SVC(kernel='linear', probability=True, tol=1e-3)
def train():
train_data,train_label = trainfiles()
data = np.array(train_data)
label = np.array(train_label)
clf.fit(data,label)
分类器只是您可以像其他任何东西一样转储的对象：
保存分类器
from sklearn.externals import joblib
joblib.dump(clf, 'filename.pkl')
重新加载
clf = joblib.load('filename.pkl')