[TIL] 10일차_PYTHON_Class_IO_02

▶ 입출력

• RAM -> SSD(HDD), RAM <- SSD(HDD)
• RAM > 직렬화(byte()) > SSD(HDD)
• pickle : 직렬화, 입출력 속도 빠름

class Msg:
    def __init__(self, data):
        self.data = data

msg = Msg('AI School')
msg.data

'AI School'

 

• RAM -> SSD = 메모리에 저장된 것을 하드디스크에 저장

import pickle
with open('msg.pkl', 'wb') as file:
    pickle.dump(msg, file)

%ls

msg.pkl  sample_data/

 

• SSD -> RAM = 하드디스크에 저장된 것을 메모리로 가져오기

with open('msg.pkl', 'rb') as file:
    load_msg = pickle.load(file)

load_msg.data

'AI School'

 

• 입출력 사용 X

학습 데이터 > 모델링(학습:8h) > 모델객체(RAM) > 예측

학습 데이터 > 모델링(학습:8h) > 모델객체(RAM) > 예측

학습 데이터 > 모델링(학습:8h) > 모델객체(RAM) > 예측

​

• 입출력 사용 O

학습 데이터 > 모델링(학습:8h) > 모델객체(RAM) > 모델저장(SSD) > 예측

모델로드(SSD > RAM:5min) > 예측

with open('sales.pkl', 'rb') as file:
    data = pickle.load(file)

data.keys()

dict_keys(['meeting_count', 'meeting_time', 'sales'])

 

---

 

▶ 모델링 : ex )미팅횟수 , 미팅시간으로 매출을 에측 모델

import pandas as pd
features = pd.DataFrame({
    'meeting_count': data['meeting_count'],
    'meeting_time': data['meeting_time'],
})
target = data['sales']
features[:2]

from sklearn.linear_model import LinearRegression
model = LinearRegression().fit(features, target)

type(model)

sklearn.linear_model._base.LinearRegression

model.predict([[200,20]])

/usr/local/lib/python3.8/dist-packages/sklearn/base.py:450: UserWarning: X does not have valid feature names, but LinearRegression was fitted with feature names
  warnings.warn(
array([16.03957923])

 

• RAM -> SSD

with open('model.pkl', 'wb') as file: # wb = write boundary
    pickle.dump(model, file)

%ls

model.pkl  msg.pkl  sales.pkl  sample_data/

 

 

• SSD -> RAM

with open('model.pkl', 'rb') as file: # rb = read boundary
    load_model = pickle.load(file)

 

 

출처-멋쟁이사자처럼_AISCHOOL_박두진강사님