如何保存训练好的linear regression模型，无需重训即可后续预测？

不用纠结保存.py文件或者单独创建类，这两种方式都没法直接复用你训练好的模型参数。下面是几种实用的保存方法，直接就能用：

1. Pickle序列化（Python标准库） #

Pickle是Python自带的序列化工具，能直接把训练好的模型对象存成文件，不用额外安装依赖。

• 保存模型：

import pickle
from sklearn.linear_model import LinearRegression

# 假设你已经用X_train、y_train训练好了model
model = LinearRegression()
model.fit(X_train, y_train)

# 写入文件
with open('linear_reg_model.pkl', 'wb') as f:
    pickle.dump(model, f)

• 加载模型：

with open('linear_reg_model.pkl', 'rb') as f:
    loaded_model = pickle.load(f)

# 直接用加载后的模型预测
y_pred = loaded_model.predict(X_test)

注意：Pickle对跨Python版本的兼容性一般，适合小模型场景。

2. Joblib（Scikit-learn官方推荐） #

Joblib专门针对numpy数组做了优化，保存和加载大模型时速度更快，是Scikit-learn官方推荐的方式。

• 保存模型：

from joblib import dump, load
from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X_train, y_train)

# 保存到文件
dump(model, 'linear_reg_model.joblib')

• 加载模型：

loaded_model = load('linear_reg_model.joblib')
y_pred = loaded_model.predict(X_test)

3. 手动保存核心参数（轻量化方案） #

线性回归的核心其实就是系数（coef_）和截距（intercept_），直接把这两个值存成JSON或文本文件，需要时重建模型就行，文件极小还不用担心兼容性问题。

• 保存参数：

import json
import numpy as np
from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X_train, y_train)

# 提取并整理参数
params = {
    'coef': model.coef_.tolist(),
    'intercept': model.intercept_.tolist() if isinstance(model.intercept_, np.ndarray) else model.intercept_
}

# 写入JSON文件
with open('linear_reg_params.json', 'w') as f:
    json.dump(params, f)

• 加载并重建模型：

import json
import numpy as np
from sklearn.linear_model import LinearRegression

with open('linear_reg_params.json', 'r') as f:
    params = json.load(f)

# 初始化模型并赋值训练好的参数
loaded_model = LinearRegression()
loaded_model.coef_ = np.array(params['coef'])
loaded_model.intercept_ = np.array(params['intercept']) if isinstance(params['intercept'], list) else params['intercept']

# 开始预测
y_pred = loaded_model.predict(X_test)

总结一下：保存.py文件只是存了代码逻辑，不是训练好的结果；创建类是封装模型，也没法直接复用训练后的参数。上面三种方法才是针对已训练模型的正确保存方式，根据你的模型大小和需求选就行。

内容的提问来源于stack exchange，提问作者Gabriel Onyedika Nnamoko