【scikit-learn】モデルを保存・読み込みする方法について

はるか

Scikit-learnでモデルを保存する方法、知りたい？

ふゅか

もちろん！モデルを保存しておけば、後で簡単に使えるって聞いたけど、詳しく教えて！

1. Scikit-learnでモデルを保存する方法

Scikit-learnは、Pythonで機械学習を行うためのライブラリとして非常に人気があります。モデルを作成し、訓練を終えた後、そのモデルを保存して後で再利用することがよくあります。この記事では、Scikit-learnでモデルを保存する方法をわかりやすく解説します。

1.1. なぜモデルを保存するのか？

モデルの保存は、時間と計算リソースの節約につながります。大規模なデータセットでモデルを訓練するには時間がかかりますが、一度保存しておけば、次回からは訓練済みのモデルをロードしてすぐに使うことができます。例えば、以下のような場面で役立ちます。

• 他のプロジェクトやシステムで同じモデルを使う
• WebアプリケーションやAPIで予測を行う
• モデルの再現性を確保する（同じ結果を何度でも得られるようにする）

はるか

モデルを保存すると、他プロジェクトで再利用も可能。

ふゅか

そうそう！あとAPIに組み込んで、いろんなアプリで活用できるのも魅力だよね！

2. モデル保存の方法

Scikit-learnでは、モデルを保存する方法として以下の2つを紹介します。

1. joblibモジュールを使用する方法
2. pickleモジュールを使用する方法

それぞれの方法を具体的に見ていきましょう。

3. joblibモジュールを使う方法

3.1. 手順

1. モジュールをインポートします。
2. モデルを保存します。
3. 保存したモデルを読み込みます。

3.2. ランダムフォレストを利用したコード例

以下は、ランダムフォレストのモデルを保存する例です。

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import joblib

# データセットを読み込み
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)

# モデルを作成・訓練
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)

# モデルを保存
joblib.dump(model, 'random_forest_model.joblib')
print("モデルを保存しました。")

# 保存したモデルを読み込む
loaded_model = joblib.load('random_forest_model.joblib')
print("モデルを読み込みました。")

# 読み込んだモデルで予測
predictions = loaded_model.predict(X_test)
print("予測結果:", predictions)

3.3. ポイント

• 保存したモデルは、ファイル名（例: random_forest_model.joblib）として保存されます。
• 読み込む際はjoblib.load()を使います。

4. pickleモジュールを使う方法

pickleはPython標準ライブラリで、オブジェクトを保存できます。Scikit-learnのモデル保存にも対応しています。

4.1. 手順

1. モジュールをインポートします。
2. モデルを保存します。
3. 保存したモデルを読み込みます。

4.2. サポートベクターマシンを利用したコード例

以下は、サポートベクターマシン（SVM）のモデルを保存する例です。

from sklearn.svm import SVC
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import pickle

# データセットを読み込み
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)

# モデルを作成・訓練
model = SVC()
model.fit(X_train, y_train)

# モデルを保存
with open('svm_model.pkl', 'wb') as f:
    pickle.dump(model, f)
print("モデルを保存しました。")

# 保存したモデルを読み込む
with open('svm_model.pkl', 'rb') as f:
    loaded_model = pickle.load(f)
print("モデルを読み込みました。")

# 読み込んだモデルで予測
predictions = loaded_model.predict(X_test)
print("予測結果:", predictions)

4.3. ポイント

• pickle.dump()でモデルを保存します。
• pickle.load()でモデルを読み込みます。
• ファイル操作のためにopen()関数を使用します。