如何将泡菜用于k均值聚类

问题描述 投票:1回答:3

我是机器学习的新手,现在我正在学习k均值聚类,我想使用pickle来转储和加载训练有素的模型,该如何做。

我的代码是:

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import pickle
from sklearn.cluster import KMeans
from sklearn.externals import joblib

# importing our dataset
dataset = pd.read_csv("Mall_Customers.csv")
X = dataset.iloc[:, [3,4]].values

# Applying k-means to the mall dataset
kmeans = KMeans(n_clusters=5, init='k-means++',random_state=0)
y_kmeans = kmeans.fit_predict(X)

# Visualising the clusters
plt.scatter(X[y_kmeans == 0, 0], X[y_kmeans == 0, 1], s = 100, c = 'red', label = 'Cluster 1')
plt.scatter(X[y_kmeans == 1, 0], X[y_kmeans == 1, 1], s = 100, c = 'blue', label = 'Cluster 2')
plt.scatter(X[y_kmeans == 2, 0], X[y_kmeans == 2, 1], s = 100, c = 'green', label = 'Cluster 3')
plt.scatter(X[y_kmeans == 3, 0], X[y_kmeans == 3, 1], s = 100, c = 'cyan', label = 'Cluster 4')
plt.scatter(X[y_kmeans == 4, 0], X[y_kmeans == 4, 1], s = 100, c = 'magenta', label = 'Cluster 5')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s = 300, c = 'yellow', label = 'Centroids')
plt.title('Clusters of customers')
plt.xlabel('Annual Income (k$)')
plt.ylabel('Spending Score (1-100)')
plt.legend()
plt.show()

我的问题:

  1. 如何使用泡菜进行转储和装载?
  2. 如何使用泡菜预测新的簇值。这意味着我想要传递两个整数值one =>薪水,两个=>分数取决于此我需要像这两个这样的新输出,如tha
python scikit-learn pickle
3个回答
2
投票

保存:

pickle.dump(kmeans, open("save.pkl", "wb"))

加载:

kmeans = pickle.load(open("save.pkl", "rb"))

3
投票

[在所有机器学习模型中,使用泡菜都是一样的,而不管类型,即聚类,回归等。

要在dump中保存模型,其中'wb'表示要写入二进制文件。

pickle.dump(model, open(filename, 'wb')) #Saving the model

在需要使用load的任何地方加载保存的模型,其中'rb'表示读取二进制。

model = pickle.load(open(filename, 'rb')) #To load saved model from local directory

这里模型是kmeans,文件名是任何本地文件,因此请相应地使用。


0
投票

一个也可以使用joblib

from joblib import dump, load
dump(model, model_save_path) 
© www.soinside.com 2019 - 2024. All rights reserved.