Python进行机器学习的几种模型保存方式！
大家好，我是翔宇！今天我给大家分享机器学习模型的几种保存方式！
大家都知道，在我们做数据分析的时候，不仅需要掌握业务，对业务指标进行监控等，而且在有些时候我们需要掌握一些数据挖掘的方法来满足一些“特殊”的工作需要。这就经常用到机器学习的模型进行分类、回归等。那么，很多时候我们都是将重点放在模型的算法、效果上，很少有人在乎当我们训练出一个模型后，如果我们需要将其保存下来，以便任何需要的时候都可以拿出来使用。因此，今天我特意分享一下，在Python中，如果我们想要完成这样的一个需求，我们该怎样做！
机器学习模型的保存和加载
模型训练（下面保存方式基于此例，这里训练一棵决策树来预测boston房价）
0.1 导入Boston房价数据
# 导入模块
from sklearn.datasets import load_boston
# 实例化
boston = load_boston()
0.2 划分数据
from sklearn.model_selection import train_test_split as TTS # 用来划分数据集
# 划分数据集,xtrain为训练特征,xtest测试特征,ytrain训练标签,ytest测试标签
# test_size=0.3表示30%数据集用来测试
xtrain,xtest,ytrain,ytest = TTS(boston.data,boston.target,test_size=0.3)
0.3 训练模型
from skle