我正在构建一个神经网络，目的是在未来对新数据进行预测。我首先使用sklearn.preprocessing对训练数据进行预处理，然后训练模型，接着进行一些预测，最后关闭程序。将来，当有新数据输入时，我需要使用相同的预处理尺度来转换新数据，然后再将其输入模型。目前，我必须加载所有旧数据，拟合预处理器，然后使用这些预处理器转换新数据。有什么方法可以保存预处理对象（如sklearn.preprocessing.StandardScaler），这样我就可以直接加载旧对象，而不必重新创建它们吗？

回答：

正如lejlot提到的，你可以使用pickle库将训练好的网络保存为硬盘上的文件，然后你只需加载它就可以开始进行预测。

以下是如何使用pickle保存和加载Python对象的示例：

import pickleimport numpy as npnpTest_obj = np.asarray([[1,2,3],[6,5,4],[8,7,9]])strTest_obj = "pickle example XXXX"if __name__ == "__main__":    # 存储对象信息    pickle.dump(npTest_obj, open("npObject.p", "wb"))    pickle.dump(strTest_obj, open("strObject.p", "wb"))    # 从文件中读取信息    str_readObj = pickle.load(open("strObject.p","rb"))    np_readObj = pickle.load(open("npObject.p","rb"))    print(str_readObj)    print(np_readObj)