保留使用 TFIDF 制作的模型，以使用 Scikit 为 Python 预测新内容

Question

这是一个用tf-idf做的情感分析模型，用于特征提取我想知道如何保存这个模型并重新使用它。我尝试以这种方式保存它，但是当我加载它时，对测试文本进行相同的预处理并对其进行 fit_transform 它给出了一个错误，即模型期望 X 个特征但得到 Y

我就是这样保存的

filename = "model.joblib"
joblib.dump(model, filename)

这是我的 tf-idf 模型的代码

import pandas as pd
import re
import nltk
from sklearn.ensemble import RandomForestClassifier
from sklearn.naive_bayes import BernoulliNB
from sklearn.metrics import classification_report, confusion_matrix, accuracy_score
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
nltk.download('stopwords')
from nltk.corpus import stopwords

processed_text = ['List of pre-processed text'] 
y = ['List of labels']
tfidfconverter = TfidfVectorizer(max_features=10000, min_df=5, max_df=0.7, stop_words=stopwords.words('english'))
X = tfidfconverter.fit_transform(processed_text).toarray()

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

text_classifier = BernoulliNB()
text_classifier.fit(X_train, y_train)

predictions = text_classifier.predict(X_test)
print(confusion_matrix(y_test, predictions))
print(classification_report(y_test, predictions))
print(accuracy_score(y_test, predictions))

编辑：只是为了准确地放置每一行所以之后：

tfidfconverter = TfidfVectorizer(max_features=10000, min_df=5, max_df=0.7, stop_words=stopwords.words('english'))

然后

tfidf_obj = tfidfconverter.fit(processed_text)//this is what will be used again
joblib.dump(tfidf_obj, 'tf-idf.joblib')

然后你完成剩下的步骤，你将在训练后保存分类器，所以在:

text_classifier.fit(X_train, y_train)

放 joblib.dump(型号, "classifier.joblib") 现在当你想预测任何文本时

tf_idf_converter = joblib.load("tf-idf.joblib")
classifier = joblib.load("classifier.joblib")

现在你有要预测的句子列表

sent = []
classifier.predict(tf_idf_converter.transform(sent))

现在打印每个句子的情绪列表

Answer 1

您可以先使用以下方法将 tfidf 拟合到您的训练集：

tfidfconverter = TfidfVectorizer(max_features=10000, min_df=5, max_df=0.7, stop_words=stopwords.words('english'))
tfidf_obj = tfidfconverter.fit(processed_text)

然后找到一种存储 tfidf_obj 的方法，例如使用 pickle 或 joblib 例如：

joblib.dump(tfidf_obj, filename)

然后加载保存的 tfidf_obj 并仅在您的测试集上应用 transform

loaded_tfidf = joblib.load(filename)
test_new = loaded_tfidf.transform(X_test)

保留使用 TFIDF 制作的模型，以使用 Scikit 为 Python 预测新内容

Keep model made with TFIDF for predicting new content using Scikit for Python

python

machine-learning

tf-idf

scikit-learn

tfidfvectorizer