请原谅我，如果我使用错误的术语，但我想要的是训练一组数据（使用来自Scikit Learn的GaussianNB朴素贝叶斯），保存模型/分类器，然后在需要时加载它并预测一个类别。 / p>
from sklearn.externals import joblib
from sklearn.naive_bayes import GaussianNB
from sklearn.feature_extraction.text import TfidfVectorizer
self.vectorizer = TfidfVectorizer(decode_error='ignore')
self.X_train_tfidf = self.vectorizer.fit_transform(train_data)
# Fit the model to my training data
self.clf = self.gnb.fit(self.X_train_tfidf.toarray(), category)
# Save the classifier to file
joblib.dump(self.clf, 'trained/NB_Model.pkl')
# Save the vocabulary to file
joblib.dump(self.vectorizer.vocabulary_, 'trained/vectorizer_vocab.pkl')
#Next time, I read the saved classifier
self.clf = joblib.load('trained/NB_Model.pkl')
# Read the saved vocabulary
self.vocab =joblib.load('trained/vectorizer_vocab.pkl')
# Initializer the vectorizer
self.vectorizer = TfidfVectorizer(vocabulary=self.vocab, decode_error='ignore')
# Try to predict a category for new data
X_new_tfidf = self.vectorizer.transform(new_data)
print self.clf.predict(X_new_tfidf.toarray())
# After running the predict command above, I get the error
'idf vector is not fitted'
谁能告诉我我失踪了什么？
注意：模型的保存，已保存模型的读取以及尝试预测新类别都是类的不同方法。我把它们全部折叠成一个屏幕，以便于阅读。
由于
答案 0 :(得分：3)
您需要挑选self.vectorizer并重新加载它。目前，您只保存矢量化器学习的词汇。
更改程序中的以下行：
joblib.dump(self.vectorizer.vocabulary_, 'trained/vectorizer_vocab.pkl')
为：
joblib.dump(self.vectorizer, 'trained/vectorizer.pkl')
以下一行：
self.vocab =joblib.load('trained/vectorizer_vocab.pkl')
到：
self.vectorizer =joblib.load('trained/vectorizer.pkl')
删除此行：
self.vectorizer = TfidfVectorizer(vocabulary=self.vocab, decode_error='ignore')
问题解释：
你的想法是正确的，只是保存学到的词汇并重复使用它。但是scikit-learn TfidfVectorizer也有idf_属性，其中包含已保存词汇表的IDF。所以你也需要保存它。但是，即使您将两者都保存并在新的TfidfVectorizer实例中加载它们，那么您也会收到“not_fitted”错误。因为这就是大多数scikit变换器和估算器的定义方式。所以没有做任何“hacky”保存整个矢量化器是你最好的选择。如果您仍想继续保存词汇表路径，那么请看看如何正确地执行此操作：
上面的页面将vocabulary保存到json和idf_中为一个简单的数组。你可以在那里使用泡菜，但你会了解TfidfVectorizer的工作。
希望它有所帮助。