​ Python机器学习中，模型保存和加载是两个非常重要的操作。模型保存可以将训练好的模型保存到文件，以便以后使用。模型加载可以将保存的文件加载到内存，以便进行预测或评估。最常用保存和加模型的库包括pickle和joblib，另外在使用特定的机器学习库，如scikit-learn、TensorFlow或Py

一、DeepDiff DeepDiff是一个Python库，用于比较Python对象的深度差异。能够比较各种数据类型，包括列表、元组、字典、集合、字符串、整数、浮点数等，并给出它们之间的差异。DeepDiff是提供一种简单且易于理解的方式来比较Python对象的差异。安装：pipinstalldeepdiff==6.7.1

实践环境python3.6.2Joblib简介Joblib是一组在Python中提供轻量级流水线的工具。特别是：函数的透明磁盘缓存和延迟重新计算（记忆模式）简单易用的并行计算Joblib已被优化得很快速，很健壮了，特别是在大数据上，并对numpy数组进行了特定的优化。主要功能输出值的透明快速磁盘

当输入fromsklearn.externalsimportjoblib会出现如下错  需要把代码直接改为如下代码即可：importjoblib 

了解过机器学习的人应该都知道python的sklearn库非常好用的机器学习助手。从sklearn导入某个机器学习的库，调用fit函数即可生成模型，用来预测测试数据。1、保存模型如

这篇文章主要介绍了python存储变量的几种方法,包括numpy自带方法，pandas自带方法，sklearn的自带方法和pickle库操作方法，本文通过实例代码给大家介绍的非常详细，需要的朋友

一、概述1.1模型的保存当模型完成训练之后，可以得到参数，例如线性回归得到权重与偏置等。可以将这些参数保存起来，方便下次调用。一般与Pipeline联合使用，先用Pipline操作，

下载保存模块pipinstalljoblib导入模块import joblib保存模型joblib.dump(model,"model.joblib",compress=1)读取模型#加载模型文件，生成模型对象new_model=