用lgb保存模型遇到了幾個坑，在這里記錄一下。

在用Lightgbm.LGBMClassifier訓練生成模型時，Scikit-learn 官網上建議的兩種方式：

1.pickle方式

這里我寫了保存和加載兩種方式：

import pickle def pkl_save(filename,file):output = open(filename, 'wb')pickle.dump(file, output)output.close()def pkl_load(filename):pkl_file = open(filename, 'rb')file = pickle.load(pkl_file) pkl_file.close()return file

2.joblib方式

from sklearn.externals import joblib joblib.dump(model_lgb, 'dota_model.pkl') clf = joblib.load('dota_model.pkl')

但是，使用你這兩種方式遇到了一個坑，那就是sklearn版本的問題！

你可會發現這個錯誤“ModuleNotFoundError: No module named 'sklearn.preprocessing.label'”

產生這個的原因，是其實已經提醒我們了，

在版本大于0.21的情況下，函數發生了變化。

所以我們介紹第3中保存lightGBM的方式。

3. Booster

clf = lgb.LGBMClassifier( ... ) clf.fit(X_train, y_train, **fit_params) clf.booster_.savemodel("dota_model.txt")

加載：

clf_loads = lgb.Booster(model_file='dota_model.txt') probas = clf_fs.predict(test)

需要注意的是，這里的是predict而不是predict_proba，得到概率。

在Github上所述的（現已關閉） ＃1217問題中 ，從事該項目的Microsoft開發人員說 ，在這種情況下：

booster.predict()實際上將返回概率

因此，不應該寫predict_proba 。

總結

以上是生活随笔為你收集整理的LightGBM如何保存模型？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。