我在sklearn中训练了一个简单的RandomForestRegressor：

from sklearn.ensemble import RandomForestRegressorran_for = RandomForestRegressor(n_estimators = 300, min_samples_split = 2,    random_state = RND, n_jobs = 20, max_depth = 8, verbose = 2)ran_for.fit(X_c, y_c)

然后我通过joblib保存了模型：

from joblib import dumpdump(ran_for, '/content/random_forest_regressor.joblib')

之后我重启了我的内核，并加载了之前保存的模型：

from joblib import loadmy_model = load('/content/random_forest_regressor.joblib')

我用相同数据集中的样本测试了保存的模型：

pred = my_model.predict(X_test)

看起来我的保存的模型完全不起作用，以下是预测的唯一值和柱状图：

print(pd.Series(pred).unique())plt.figure(figsize = (10, 10))pd.Series(pred).hist()plt.show()

[892.52446705 599.29566532 539.45592338 903.74387156 601.12144516]

预测柱状图

我做错了什么吗？

我在Google Colab上运行这些代码

编辑： 正如评论中建议的，以下是保存前的模型预测：

pred = ran_for.predict(X_test)print(pred[:20])plt.figure(figsize = (10, 10))pd.Series(pred).hist(bins = 1000).set_xlim([0, 5000])plt.show()

输出你可以看到，模型在预测值方面是正常工作的。

回答：

原来是Google Colab的问题。在我的本地机器上尝试，运行正常。