sklearn 如何使用保存的模型来预测新数据

Question

我使用 sklearn 训练了一个 SVM 文本分类器，使用 tf-idf(TfidfVectorizer) 来提取特征。现在我需要保存模型并加载它来预测看不见的文本。我会在另一个文件中加载模型，让我困惑的是如何提取新文本 tf-idf 特征

Answer 1

您需要保存模型和 tfidf 转换器。您可以单独保存它们，也可以创建两者的管道并保存管道（这是首选选项）。

示例：

from sklearn.linear_model import LogisticRegression
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.pipeline import Pipeline
import pickle

Tfidf = TfidfVectorizer()
LR = LogisticRegression()
pipe = Pipeline([("Tfidf", Tfidf), ("LR", LR)])
pipe.fit(X, y)

with open('pipe.pickle', 'wb') as picklefile:
    pickle.dump(pipe, picklefile)

然后您可以加载整个管道，predict 将首先应用矢量化器，然后将其传递给模型：

with open('pipe.pickle', 'rb') as picklefile:
    saved_pipe = pickle.load(picklefile)

saved_pipe.predict(X_test)

sklearn 如何使用保存的模型来预测新数据

sklearn how to use saved model to predict new data

machine-learning

scikit-learn

svm

text-classification