今天終於到了最後一天了，我們之前提過機器學習的演算法，現在我們要說明如何將訓練的model儲存起來，這樣下次要使用時就可以不需要再再重新訓練一次：

程式碼

要將模組儲存，可以使用sklearn中的joblib：

from sklearn import svm
from sklearn import datasets
from sklearn.externals import joblib

接下來先建立資料集以及預測模型clf：

clf = svm.SVC()
iris = datasets.load_iris()
X,y = iris.data , iris.target
clf.fit(X,y)

要將model儲存只要使用joblib.dump()就可以了：

joblib.dump(clf,'clf.pkl')

前面的clf為我們上面的svm.SVC()，後面的clf.pkl為檔名，這裡我們就稱為clf.pkl。
執行完這段程式碼可以在目錄內看到新增了一個clf.pkl的檔案，現在我們來呼叫它：

clf2 = joblib.load('clf.pkl')

我們就可以直接使用它來做預測了，像這樣：

print(clf2.predict(X[0:1]))

得到結果[0]，也就是我們的第一種花。

回顧

好了，今天終於走完30天了，首先先感謝自己的努力才能撐過期末考大爆炸，接著要感謝我的團隊隊員們互相打氣？
現在我們就來看看我們這30天做了什麼吧：

環境的安裝與操作

所謂工欲善其事必先利其器，一定要先將裝備都準備好：

[Day01]Anaconda環境安裝！
[Day02]Jupyter Notebook操作介紹！

python基本

環境已經好了，當然就是練練基本功：

[Day03]Python的基本運算！（上）
[Day04]Python的基本運算！（下）

資料分析的第一步

要使用python做資料分析，一定不能不知道三個重要的程式庫：

• Pandas
• Numpy
• Matplotlib
  [Day05]聊聊重要的三個package吧！

Pandas

用pandas來整理資料吧！

[Day06]Pandas的兩種資料類型！
[Day07]Pandas操作資料的函數！
[Day08]Pandas資料的取得與篩選！
[Day09]Pandas索引的運用！
[Day10]Pandas Groupby使用！
[Day11]Pandas使用多層索引！
[Day12]Pandas處理字串資料！（上）
[Day13]Pandas處理字串資料！（下）
[Day21]Pandas就能輕易將資料視覺化！

Numpy

用numpy做資料運算吧！

[Day14]Numpy的ndarray！
[Day15]Numpy操作索引＆局部資料！
[Day16]Numpy的廣播&方法！
[Day18]Numpy檔案輸入與輸出！

Matplotlib

老闆看不懂這些資料啦，直接視覺化給他看！

[Day19]Matplotlib讓資料視覺化！
[Day20]Matplotlib資料視覺化進階！

Bokeh

不喜歡Matplotlib，可以用看看更厲害更簡單的Bokeh
[Day22]Bokeh更簡單的資料視覺化！

抓取資料

沒資料怎麼半？用Beautiful Soup吧！
[Day23]Beautiful Soup網頁解析！

機器學習

會了資料整理與運算還有視覺化後，我們就可以踏入機器學習這個領域了！

[Day24]什麼是機器學習Machine Learning？
[Day25]機器學習：特徵與標籤！
[Day26]機器學習：KNN分類演算法！
[Day27]機器學習：建立線性迴歸資料與預測！
[Day28]機器學習：特徵標準化！
[Day29]機器學習：交叉驗證！

心得

第一次參加鐵人賽，除了很開心能分享自己所會的，默默的寫技術文章以外，發現自己能夠挑戰完成30天的比賽真的是非常無敵的感動（落淚），而且中間還卡了一個超煩的期末考啊。
所以接下來我也開始挑戰自己的極限！（登冷）也就是不喝飲料30天，除了鍊成鐵人以外還可以身體健康一點點點。

非常感謝大家的訂閱文章給予支持。在此下台一鞠躬！