新出现的分类 - 多项式朴素贝叶斯

Question

所以我目前使用[SKiLearn][1]训练了一个多项式朴素贝叶斯分类器 现在我可以做的是使用预测分类测试数据。

但是如果我想每天晚上运行这个脚本，我显然需要一个已经训练好的分类器！现在我希望能够做的是采用分类器系数，信息词，并使用这些来分类新数据。

这可能 - 开发我自己的分类方法吗？或者我应该只是每晚训练SkiLearn分类器？

编辑：有一件事，我似乎可以做，是保留和save my trained classifier。

然而，通过逻辑回归，您可以获取系数并将其用于新数据。 NB有什么类似的东西吗？

Answer 1

你是说[sklearn]吗？你在使用python吗？如果是这种情况，事实证明[sklearn]提供了获取模型参数的函数[get_params（deep = True）]以及设置它们的函数[set_params（** params）]。

因此，可能的程序可能是：

训练阶段：

1）训练模型

2）使用get_params（）

获取模型的参数

3）将参数保存到二进制文件中（例如，使用pickle.dump（））

预测阶段：

1）从二进制文件加载模型的参数（例如，使用pickle.load（））

2）使用set_params（）

设置模型的参数

3）使用predict（）函数

对新数据进行分类

希望有所帮助。