Machine Learning Academy · บทเรียน

การบันทึกแบบจำลองด้วย joblib และ pickle

บทเรียน 1 จาก 413 ขั้นตอน

การบันทึกแบบจำลองด้วย joblib และ pickle เป็นบทเรียน Machine Learning Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Machine Learning Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Machine Learning Academy มีบทเรียนทั้งหมด 4 บทเรียน

บางส่วนของบทเรียนนี้ยังไม่ได้รับการแปล และแสดงเป็นภาษาอังกฤษ

Why Model Persistence Matters

Training a machine learning model is expensive: it can take minutes to hours and consumes significant compute. Model persistence saves the fitted model to disk so you can reload it instantly for inference without retraining. This is the bridge between the data science notebook and a production system — the serialised model file is the deployable artefact that data engineers package and serve.

What Gets Saved in a Model File?

When you serialise a fitted sklearn model or pipeline, the file captures: all fitted parameters (e.g., scaler mean and variance, tree structure, logistic regression coefficients), hyperparameter settings, and the Python class definition reference. It does NOT include the training data. Loading the file reconstructs a Python object ready to call predict immediately.

Saving with joblib.dump

joblib is the recommended serialisation tool for sklearn objects. It handles large NumPy arrays efficiently using memory mapping and supports transparent compression. The standard workflow is: train the model, dump it to a .joblib file, then load it in a separate script or service for inference.

import joblib
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import load_breast_cancer

X, y = load_breast_cancer(return_X_y=True)

pipe = Pipeline([
    ('scaler', StandardScaler()),
    ('clf', LogisticRegression(C=1.0, max_iter=300))
])
pipe.fit(X, y)

# Save
joblib.dump(pipe, '/tmp/cancer_model.joblib')
print('Model saved to /tmp/cancer_model.joblib')

Loading with joblib.load

joblib.load deserialises the file and returns the exact fitted pipeline object. The loaded model has all of the same attributes — named_steps, fitted scaler parameters, classifier coefficients — as the original. You can immediately call predict, predict_proba, or score without any additional setup.

import joblib
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split

X, y = load_breast_cancer(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)

# Load in a fresh context
model = joblib.load('/tmp/cancer_model.joblib')

predictions = model.predict(X_test[:5])
print('Predictions:', predictions)
print('Test accuracy:', model.score(X_test, y_test).round(4))

Using pickle for Serialisation

Python's standard library pickle module also serialises sklearn objects. Open files in binary mode ('wb' for write, 'rb' for read). The pickle.HIGHEST_PROTOCOL constant uses the most efficient available protocol. For small models or scripting contexts, pickle is perfectly adequate.

import pickle
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import load_iris

X, y = load_iris(return_X_y=True)
model = LogisticRegression().fit(X, y)

# Save
with open('/tmp/iris_model.pkl', 'wb') as f:
    pickle.dump(model, f, protocol=pickle.HIGHEST_PROTOCOL)

# Load
with open('/tmp/iris_model.pkl', 'rb') as f:
    loaded = pickle.load(f)

print('Score:', loaded.score(X, y).round(4))
print('Coefficients shape:', loaded.coef_.shape)

Comparing joblib vs pickle File Sizes

For a large model like a RandomForest with 1000 trees, joblib's memory-mapped NumPy array storage is more efficient. The difference becomes especially pronounced when the model contains large parameter matrices. For small models (LogReg, SVM), the size difference is negligible.

import joblib
import pickle
import os
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification

X, y = make_classification(n_samples=1000, n_features=20, random_state=0)
rf = RandomForestClassifier(n_estimators=100, random_state=0).fit(X, y)

# joblib
joblib.dump(rf, '/tmp/rf_model.joblib')

# pickle
with open('/tmp/rf_model.pkl', 'wb') as f:
    pickle.dump(rf, f)

print(f'joblib size: {os.path.getsize("/tmp/rf_model.joblib"):,} bytes')
print(f'pickle size: {os.path.getsize("/tmp/rf_model.pkl"):,} bytes')

Compression with joblib

Use joblib.dump(model, path, compress=3) to compress the file using zlib. Compression levels range from 1 (fast, larger) to 9 (slow, smallest). Level 3 is a practical default. For LZ4 compression (faster than zlib): compress=('lz4', 1). Load time slightly increases for compressed files but the network transfer and storage savings are often worth it.

import joblib
import os
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification

X, y = make_classification(n_samples=1000, random_state=0)
rf = RandomForestClassifier(n_estimators=100, random_state=0).fit(X, y)

for level in [0, 3, 6, 9]:
    path = f'/tmp/rf_compress_{level}.joblib'
    joblib.dump(rf, path, compress=level)
    size = os.path.getsize(path)
    print(f'compress={level}: {size:,} bytes')

Verifying Round-Trip Consistency

After loading, always verify that the loaded model produces identical predictions to the original. This guards against silent corruption, version mismatches, or incomplete file writes. Compare predictions with np.array_equal on the same input.

import joblib
import numpy as np
from sklearn.datasets import load_iris
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

X, y = load_iris(return_X_y=True)
pipe = Pipeline([('sc', StandardScaler()), ('lr', LogisticRegression())]).fit(X, y)
original_preds = pipe.predict(X)

joblib.dump(pipe, '/tmp/verify_pipe.joblib')
loaded = joblib.load('/tmp/verify_pipe.joblib')
loaded_preds = loaded.predict(X)

if np.array_equal(original_preds, loaded_preds):
    print('Round-trip PASSED: predictions are identical.')
else:
    diff = (original_preds != loaded_preds).sum()
    print(f'Round-trip FAILED: {diff} different predictions!')

Version Pinning and Metadata

A model pickled with scikit-learn 1.2 may not load cleanly in scikit-learn 1.5 due to internal changes. Always store a metadata file alongside the model that records: sklearn version, Python version, training date, dataset version, and key metrics. This is your model card — the governance document that explains what the model is and how it was produced.

import json
import sklearn
import sys
from datetime import datetime

metadata = {
    'model_file': 'cancer_model.joblib',
    'sklearn_version': sklearn.__version__,
    'python_version': sys.version.split()[0],
    'training_date': datetime.utcnow().isoformat(),
    'dataset': 'breast_cancer',
    'test_accuracy': 0.9789,
    'features': 30,
    'algorithm': 'LogisticRegression'
}

with open('/tmp/cancer_model_metadata.json', 'w') as f:
    json.dump(metadata, f, indent=2)

print(json.dumps(metadata, indent=2))

Security: Never Load Untrusted Pickle Files

Critical security warning: both pickle and joblib can execute arbitrary Python code when loading. Never load a model file from an untrusted source — it could be a malicious payload disguised as a model. For models shared across organisations, consider safer formats: ONNX (Open Neural Network Exchange) is a standardised, inspectable format supported by most frameworks.

File Naming Conventions

Good naming conventions embed key information into the filename: algorithm, dataset, date, and metric. This makes the model registry self-documenting and prevents accidentally loading the wrong model version in production.

from datetime import date
from sklearn.metrics import accuracy_score
import joblib

# Example naming convention
dataset = 'breast_cancer'
algorithm = 'logreg'
test_acc = 0.9789
today = date.today().strftime('%Y%m%d')

filename = f'{dataset}_{algorithm}_{today}_acc{int(test_acc*100)}.joblib'
print('Model filename:', filename)
# e.g.: breast_cancer_logreg_20260620_acc97.joblib

# Load the model we saved earlier (demo)
model = joblib.load('/tmp/cancer_model.joblib')
print('Loaded OK')

Quick Check

Test your understanding of model serialisation with joblib and pickle from this lesson.

ตอบคำถามในบทเรียนแบบโต้ตอบ

Lesson Recap

In this lesson you learned: joblib.dump and joblib.load serialise and restore fitted sklearn models efficiently, pickle works too but joblib is preferred for models with large NumPy arrays due to memory mapping, and always store a metadata file alongside the model recording library versions, training date, and key metrics for governance. Next up we design a versioning naming convention and metadata sidecar to track multiple model versions in a model registry.

เริ่มต้นได้ฟรี

เรียนรู้ Python ด้วย AI tutor — ฟรี

เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป

คอร์ส: 30
บทเรียน: 120

เริ่มเรียนฟรี ดูหลักสูตรเต็ม

คำถามที่พบบ่อย

บทเรียน “การบันทึกแบบจำลองด้วย joblib และ pickle” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “การบันทึกแบบจำลองด้วย joblib และ pickle” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Machine Learning Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Machine Learning Academy มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “การบันทึกแบบจำลองด้วย joblib และ pickle”

ผู้เรียนจะทำให้ไปป์ไลน์ที่ฝึกแล้วอยู่ในรูปแบบอนุกรมด้วยทั้ง joblib และ pickle โหลดกลับมา และตรวจสอบว่าการทำนายเหมือนกันเพื่อยืนยันว่าการบันทึกและกู้คืนสำเร็จ คุณปฏิบัติ Machine Learning Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Machine Learning Academy หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน Machine Learning Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน

บทเรียน “การบันทึกแบบจำลองด้วย joblib และ pickle” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน Machine Learning Academy นี้ได้ไหม

ได้ บทเรียน Machine Learning Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

การบันทึกแบบจำลองด้วย joblib และ pickle
การจัดการเวอร์ชันแบบจำลอง: เหตุใดชื่อไฟล์และข้อมูลกำกับจึงสำคัญ
การให้บริการการทำนายด้วยปลายทาง FastAPI
การติดตามการทำนาย: การบันทึกข้อมูลขาเข้าและขาออก

← กลับไปที่ Machine Learning Academy