[Machine Learning] 사이킷런 모델 저장 및 로드

이번 글에서는 학습시킨 머신러닝 모델을 파일로 저장 및 다시 파일에서 모델을 불러와 사용하는 방법을 살펴보자.

사이킷런은 자체적으로 모델을 저장하고 불러오는 기능을 지원하지 않으므로 pickle 또는 joblib 모듈을 사용해야 한다.
pickle 모듈을 이용해 저장하려면 먼저 파일을 바이너리 모드로 열고 저장해야 하기 때문에 번거로운 부분이 있다.
joblib 모듈을 이용하면 dump 함수와 load 함수만으로 모델을 바로 저장하고 불러올 수 있기 때문에 joblib 모듈을 사용할 것이다.

1. 학습한 모델 저장하기

먼저 모델을 학습시켜 보자.

import lightgbm
from lightgbm import LGBMClassifier
import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings('ignore')

from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split   
from sklearn import datasets

# 붓꽃 품종 데이터 세트 불러오기
iris_data = datasets.load_iris()
X_train , X_test , y_train , y_test = train_test_split(iris_data.data, iris_data.target,
                                                       test_size=0.2,  random_state=11)

model = LGBMClassifier(n_estimators=100, learning_rate=0.05)

model.fit(X_train , y_train)

학습한 모델을 joblib 모듈을 이용해서 pickle 파일로 저장해보자.

import joblib

joblib.dump(model, './model.pkl')

2. 모델 로드 및 예측하기

다음으로 저장한 모델을 로드 후 사용해보자.

# 모델 로드 
loaded_model = joblib.load('./model.pkl')

# 예측   
result = loaded_model.predict(X_test)

# list = np.array([[6.8, 3.1 , 5.5, 2.1]])
# result = loaded_model.predict(list)    

# 성능 측정    
accuracy = accuracy_score(y_test, result)

Referrence

← Previous Post Next Post →