用MLPRegressor训练好的神经网络模型怎么保存和调用

Question

我在pycharm中用 MLPRegressor （from sklearn.neural_network import MLPRegressor）训练好了一个神经网络模型中间层（100,50,25），怎么保存训练好的模型和权重啥的，然后下次直接调用训练好的模型进行预测？请给出保存和调用代码，谢谢！
（我网上自己查了一些办法，有基于pytorch 或者 tensorflow包内的功能实现的保存的调用， 但是我用的 MLPRegressor，不在pytorch 或者 tensorflow里，直接用不了它们的方式 ）

Answer 1

在使用MLPRegressor进行训练后，你可以使用Python的pickle模块来保存和加载训练好的模型。以下是保存和加载MLPRegressor模型的示例代码：

保存模型：

import pickle

# 假设你的模型实例名为model
model = MLPRegressor(hidden_layer_sizes=(100, 50, 25))

# 训练你的模型...

# 保存模型到文件
filename = 'mlp_model.sav'
pickle.dump(model, open(filename, 'wb'))

加载模型并进行预测：

import pickle

# 加载模型文件
filename = 'mlp_model.sav'
loaded_model = pickle.load(open(filename, 'rb'))

# 使用加载的模型进行预测
# 假设你有一组特征值 X_test
predictions = loaded_model.predict(X_test)

这样，你就可以将训练好的MLPRegressor模型保存到文件中，并在需要的时候加载模型进行预测。
注意，在加载模型之前，你需要确保已经导入了必要的库（例如pickle）并且创建了与训练时相同的模型实例