前提：在做模型训练的时候，尤其是在训练集上做交叉验证，通常想要将模型保存下来，然后放到独立的测试集上进行测试，本文主要介绍如何利用python中的sklearn.externals 模块保存训练模型，并在测试集进行使用。
#建立模型
from sklearn.ensemble import RandomForestClassifier
X ---- 特征变量，y ----- 目标变量
clf = RandomForestClassifier(random_state=0, n_jobs = -1)
clf.fit(X, y)
## 通过joblib的dump可以将模型保存到本地，clf是训练的分类器
from sklearn.externals import joblib
joblib.dump(clf, "RandomForestClassifier_model.m")
#模型从本地调回
clf = joblib.load("RandomForestClassifier_model.m")
#在测试集上测试
clf.predit(testing_X) # testing_X为测试集
