机器学习训练后的模型如何保存？

答：使用机器学习算法在训练数据上训练出的模型必须要导出来的，因为训练过程是比较耗时的，我们不可能每次使用模型做预测或者分类的时候再训练一次。

模型保存如何实现呢？以scikit-learn 为例：

首先训练一个模型

# 训练svm模型
from sklearn import svm
from sklearn import datasets
clf=svm.SVC()
iris=datasets.load_iris()
X,y=iris.data,iris.target
clf.fit(X,y)

其次，保存模型

# 保存模型，可以使用scikit-learn提供的joblib
from sklearn.externals import joblib
# 将模型保存为 filename.pkl ，当然名字自己可以定义的
joblib.dump(clf,'filename.pkl')

模型保存后，如何使用呢？

# 使用模型，可以使用scikit-learn提供的joblib
from sklearn.externals import joblib
# 使用保存的模型文件实例化模型对象
clf_new=joblib.load('filename.pkl')

#这个时候 clf_new 模型对象就可以用来预测或者分类了

与模型保存相关的还有跨语言的PMML文件，这个文件可以被Java等语言识别，可以方便的将模型部署到业务系统中。