大家好，我正在使用sklearn.ensemble.IsolationForest来预测数据中的异常值。

是否可以对我的干净数据训练（拟合）模型一次，然后保存它以便稍后使用？例如，保存模型的一些属性，这样下次就不需要再次调用fit函数来训练我的模型了。

例如，对于GMM，我会保存每个组件的weights_、means_和covs_，这样以后就不需要再次训练模型了。

为了说明清楚，我正在使用这个来进行在线欺诈检测，其中这个Python脚本会被多次调用用于同一“类别”的数据，我不希望每次需要进行预测或测试操作时都重新训练模型。

提前感谢。

回答：

sklearn的估计器实现了方法，使您可以轻松保存估计器的相关训练属性。一些估计器实现了__getstate__方法，但其他像GMM这样的估计器只是使用了基本实现，它只是保存对象的内部字典：

def __getstate__(self):    try:        state = super(BaseEstimator, self).__getstate__()    except AttributeError:        state = self.__dict__.copy()    if type(self).__module__.startswith('sklearn.'):        return dict(state.items(), _sklearn_version=__version__)    else:        return state

推荐的方法是使用pickle模块将您的模型保存到磁盘：

from sklearn import datasetsfrom sklearn.svm import SVCiris = datasets.load_iris()X = iris.data[:100, :2]y = iris.target[:100]model = SVC()model.fit(X,y)import picklewith open('mymodel','wb') as f:    pickle.dump(model,f)

但是，您应该保存额外的数据，以便将来可以重新训练您的模型，否则可能会面临严重后果（例如被锁定在旧版本的sklearn中）。

根据文档：

为了在未来的scikit-learn版本中重建相似的模型，应该连同pickle化的模型一起保存额外的元数据：

训练数据，例如对不可变快照的引用

生成模型所使用的Python源代码

scikit-learn及其依赖的版本

在训练数据上获得的交叉验证得分

这对于依赖于用Cython编写的tree.pyx模块的Ensemble估计器（如IsolationForest）尤其重要，因为它与实现之间建立了联系，而这种联系在sklearn的不同版本之间并不能保证稳定。在过去，它已经经历过向后不兼容的更改。

如果您的模型变得非常大并且加载变得麻烦，您还可以使用更高效的joblib。根据文档：

在scikit的特定情况下，使用joblib替换pickle（joblib.dump & joblib.load）可能更有趣，它对内部携带大型numpy数组的对象（如已拟合的scikit-learn估计器）更有效，但只能将pickle保存到磁盘而不是字符串：