训练模型的时间往往很长，比如α-go的训练，大概就需要长达数天（我个人观点）。但是，我们总会嘀芟苒疾有关机（比如停电）的时候，此时，如果训练的模型如果不能保台仵瑕噤存，一旦关机就是前功尽弃，还得从头再来。本文，介绍一个保存sklearn模型的方法。
工具/原料
电脑
python3.6（anaconda）
sklearn模块
方法/步骤
1、sklearn模块在anaconda里面但诌诎箬已经配置好了，可以直接import：fromsklearn.externalsimportjoblibfromsklearnimportsvm
2、给出训练数据，这里只用一组简短的数据：X=[[0巳呀屋饔,0,0,0,0],[1,1,0,1,0],[0,1,0,1,0],[1,0,2,3,6],[3,2,1,3,5]]y惺绅寨瞀=[0,1,2,3,2
3、svm是用来构造一个支持向量机的：f=svm.SVC()函数f是一个多元函数，把一个向量变成一个数字，所以叫做——向量机。
4、用X和y训练函数f，其实就是尽量拟合数据，也就是求出函数f的参数：f.fit(X,y)
5、让训练的模型f，自动保存下来：joblib.dump(f,'''train_model.m''')
6、这里保存下来的模型以.m的格式保存。
7、此时，就算关机，训练的成果也不会丢失，只需要读取相应的.m文件就可以：joblib.load('train_model.m')
8、用读取的模型来作用于X，看看能不能得到y：d.predict(X)结果错误率是60%，实在是冷场。
