初学者问题，使用SKlearn，保存模型并测试单个数据帧

Question

Python神经网络和sklearn的新手，我写了以下神经模型。在火车组上，它在 98% 的准确率左右工作得很好。 现在我有一些问题。

from sklearn.ensemble import GradientBoostingClassifier
model = GradientBoostingClassifier(learning_rate=0.99,max_depth=3)
model.fit(X_standardized, y)
predictions = model.predict(X_standardized)
from sklearn.metrics import confusion_matrix, classification_report
print(confusion_matrix(y, predictions))
print ()
print(classification_report(y,predictions))

是否可以保存和加载神经网络的状态。
EA 存储权重梯度。

#something like:
Model.save("c:neuraltestnet.xml")

如何在单个数据帧上执行单个测试，例如：

print ("answer =" ,Model.TestSample(test_data_frame))  # single input
>>> answer = 0.78     ...estimated accuracy 97%  # or so

Answer 1

关于保存模型的状态：您可以使用 pickle 包保存模型，例如：

import pickle
pickle.dump(model, open('model.sav', 'wb'))

不确定"在单个数据帧上进行单独测试"是什么意思，但如果您想在某些不同的(测试(数据上测试模型，您可以创建类似的东西：

import sklearn
df_predictions = model.predict( *input X data* )
accuracy = sklearn.metrics.r2_score(*target (y data)*, df_predictions)