Eine trainierte Pipeline speichern und neu laden
Modelle mit joblib persistieren
Eine trainierte Pipeline speichern und neu laden ist eine kostenlose Data Science Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Data Science Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Einmal trainieren genügt
Sie haben Zeit in das Trainieren und Abstimmen einer Pipeline investiert. Wenn Sie sie speichern, müssen Sie sie nicht für jede Vorhersage erneut trainieren. 💾
Die Pipeline mit Pickle serialisieren
Eine trainierte Pipeline ist ein Python-Objekt, sodass Sie sie auf der Festplatte serialisieren und exakt in ihrem aktuellen Zustand wiederherstellen können.
Warum joblib die bessere Wahl ist
Für scikit-learn-Objekte mit vielen NumPy-Arrays ist joblib schneller und kleiner als einfaches Pickle und daher die Standardwahl.
import joblibMit einem Aufruf speichern
Übergeben Sie joblib.dump Ihre trainierte Pipeline und einen Dateinamen. Die gesamte Kette aus Vorverarbeitung und Modell landet in einer einzigen Datei.
joblib.dump(pipe, 'model.joblib')Wieder laden
Später stellt joblib.load in jedem Skript exakt dieselbe Pipeline wieder her, die dann ohne erneutes Training sofort für Vorhersagen bereitsteht.
pipe = joblib.load('model.joblib')Sofort vorhersagen
Das geladene Objekt kennt weiterhin seine gelernte Skalierung und seine Gewichte, sodass Sie predict sofort auf neuen Daten aufrufen können.
preds = pipe.predict(new_data)Auf übereinstimmende Versionen achten
Ein gespeichertes Modell funktioniert möglicherweise nicht, wenn es mit einer anderen Bibliotheksversion geladen wird. Notieren Sie die scikit-learn-Version, mit der Sie trainiert haben.
Dieselben Spalten als Eingabe
Neue Daten müssen dieselben Spalten in derselben Reihenfolge wie die Trainingsdaten enthalten. Die Pipeline erwartet exakt dieses Schema, um die Daten korrekt zu transformieren.
Nur Ihren Dateien vertrauen
Beim Laden eines Pickle wird Code ausgeführt. Öffnen Sie daher niemals Dateien aus nicht vertrauenswürdigen Quellen. Behandeln Sie eine Modelldatei als ausführbar.
In Produktion ausliefern
Diese eine Datei lädt Ihre Webanwendung oder Ihr Batch-Job, um Vorhersagen bereitzustellen. Wenn Sie die gesamte Pipeline speichern, bleibt die Bereitstellung einfach.
Ein Paket, keine Überraschungen
Da die Vorverarbeitung zusammen mit dem Modell gespeichert wird, transformiert die bereitgestellte Pipeline Eingaben genauso wie beim Training. Keine Abweichungen, keine Unstimmigkeiten.
Schnelltest
Welches Tool wird bevorzugt verwendet, um eine trainierte scikit-learn-Pipeline auf der Festplatte zu speichern?
Zusammenfassung
Sie können jetzt eine trainierte Pipeline mit joblib speichern und überall neu laden, um sofort Vorhersagen zu treffen. Damit ist das Thema Pipelines von Anfang bis Ende abgeschlossen. 🎉
Lerne Python mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 30
- Lektionen
- 120
Häufig gestellte Fragen
Ist die Lektion „Eine trainierte Pipeline speichern und neu laden“ kostenlos?
Ja — der vollständige Text von „Eine trainierte Pipeline speichern und neu laden“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Data Science Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Eine trainierte Pipeline speichern und neu laden“?
Modelle mit joblib persistieren Du übst Data Science Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Data Science Academy zu starten?
Keine Vorkenntnisse erforderlich. Data Science Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Eine trainierte Pipeline speichern und neu laden“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Data Science Academy-Lektion Code schreiben und ausführen?
Ja. Jede Data Science Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Warum Pipelines manuelle Schritte übertreffen
- ColumnTransformer für gemischte Datentypen
- Mit GridSearchCV abstimmen
- Eine trainierte Pipeline speichern und neu laden