Question

我在这里有我的代码，其中它循环遍历每个标签或类别，然后从中创建一个模型。但是，我要创建一个通用模型，该模型将能够接受来自用户输入的新预测。

我知道下面的代码保存了适合循环中最后一个类别的模型。如何解决此问题，以便保存每个类别的模型，以便在加载这些模型时能够预测新文本的标签？

vectorizer = TfidfVectorizer(strip_accents='unicode', 
stop_words=stop_words, analyzer='word', ngram_range=(1,3), norm='l2')
vectorizer.fit(train_text)
vectorizer.fit(test_text)

x_train = vectorizer.transform(train_text)
y_train = train.drop(labels = ['question_body'], axis=1)

x_test = vectorizer.transform(test_text)
y_test = test.drop(labels = ['question_body'], axis=1)

# Using pipeline for applying linearSVC and one vs rest classifier
SVC_pipeline = Pipeline([
                ('clf', OneVsRestClassifier(LinearSVC(), n_jobs=1)),
            ])
for category in categories:
    print('... Processing {}'.format(category))

    # train the SVC model using X_dtm & y
    SVC_pipeline.fit(x_train, train[category])
    # compute the testing accuracy of SVC
    svc_prediction = SVC_pipeline.predict(x_test)
    print("SVC Prediction:")
    print(svc_prediction)
    print('Test accuracy is {}'.format(f1_score(test[category], svc_prediction)))
    print("\n")

#save the model to disk
filename = 'svc_model.sav'
pickle.dump(SVC_pipeline, open(filename, 'wb'))

Answer 1

您的代码中存在多个错误。

您正在使TfidfVectorizer既适合训练又适合测试：
```
vectorizer.fit(train_text)
vectorizer.fit(test_text)
```
这是错误的。调用fit()不是增量的。如果调用两次，它将不会在两个数据上学习。最近对fit()的呼叫将忘记过去的呼叫中的所有内容。您永远不会在测试数据上放入（学习）某些内容。

您需要做的是这样
```
vectorizer.fit(train_text)
```
管道不符合您的想法：
```
# Using pipeline for applying linearSVC and one vs rest classifier
SVC_pipeline = Pipeline([
                         ('clf', OneVsRestClassifier(LinearSVC(), n_jobs=1)),
                        ])
```
请注意，您正在LinearSVC内部传递OneVsRestClassifier，因此它将自动使用它而无需Pipeline。 Pipeline在这里不会做任何事情。当您要依次通过多个模型传递数据时，可以使用Pipeline。像这样：
```
pipe = Pipeline([
                 ('pca', pca), 
                 ('logistic', LogisticRegression())
                ])
```
以上pipe所要做的就是将数据传递到PCA并将其转换。然后，新数据将传递到LogisticRegression，依此类推。

根据您的情况正确使用管道可以是：
```
  SVC_pipeline = Pipeline([
                          ('vectorizer', vectorizer)
                          ('clf', OneVsRestClassifier(LinearSVC(), n_jobs=1)),
                         ])
```
在此处查看更多示例：
- https://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#examples-using-sklearn-pipeline-pipeline
您需要描述有关您的"categories"的更多信息。显示一些数据示例。您没有在任何地方使用y_train和y_test。类别与"question_body"不同吗？

如何保存和加载机器学习（相对于其他）模型（PYTHON）

1 个答案: