线性回归（4）——保存模型

1. Python内保存和读取模型——pickle

pickle是负责将Python对象序列化（Serialization）和反序列化（de-serialization）的模块。

可使用Pickle将对象转换为文件保存在硬盘里（pickle.dump），在需要的时候再读取并还原（pickle.load）,代码如下：

import pickle
from sklearn import linear_model

def trainAndSaveModel(data, modelPath):
    """
    使用pickle保存训练好的模型
    """
    model = linear_model.LinearRegression()
    model.fit(data[["x"]], data[["y"]])
    pickle.dump(model, open(modelPath, "wb"))
    return model

def loadModel(modelPath):
    """
    使用pickle读取已有的模型
    """
    model = pickle.load(open(modelPath, "rb"))
    return model

2. 跨语言保存和读取模型 ——PMML

　　预测模型标记语言（PMML）是一款描述预测模型的标准，这个标准与搭建和读取模型的具体编程语言无关，它可以实现模型在不同语言间的保存和读取。

　　PMML存储模型的核心思想是存储模型的框架、所用的变量以及模型里的参数，例如：

　　　　　　　y = ax + b

　　那么需要保存的信息如下：

　　2.1 使用模型为线性回归模型

　　2.2 模型的因变量为y，自变量只有一个x

　　2.3 模型参数a ,b的取值

　　PMML的实现比较复杂，最常用的工具是JPMML（Java PMML API），可以在开源社区GitHub查找到该项目。