Python 2.7 '；未拟合idf矢量'；使用保存的分类器/模型时出错

如果我使用了错误的术语，请原谅，但我想要的是训练一组数据（使用Scikit Learn中的GaussianNB Naive Bayes），保存模型/分类器，然后在需要时加载它并预测类别

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'

谁能告诉我我错过了什么

注意：保存模型、读取保存的模型以及尝试预测新类别都是一个类的不同方法。为了便于阅读，我在这里把它们都折叠成一个屏幕

---

谢谢

您需要对

self.vectorier

进行pickle处理，然后再次加载它。目前，您仅保存矢量器学习的词汇表

更改程序中的以下行：

joblib.dump(self.vectorizer.vocabulary_, 'trained/vectorizer_vocab.pkl')

致：

以及以下一行：

self.vocab =joblib.load('trained/vectorizer_vocab.pkl')

致：

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，只需保存所学的词汇并重复使用即可。但是scikit learn TFIDFvectorier还具有

idf\uz

属性，该属性包含已保存词汇表的idf。所以你也需要保存它。但是，即使您同时保存并将它们加载到新的TfidfVectorizer实例中，也会出现“not_fitted”错误。因为这正是大多数scikit变压器和估计器的定义方式。因此，在不做任何“黑客”的情况下，保存整个矢量器是最好的选择。如果您仍然想进入“保存词汇表”路径，请在此处查看如何正确执行此操作：

上面的页面将

词汇表

保存到json中，并将

idf

保存到一个简单数组中。您可以在那里使用pickles，但您将了解TfidfVectorizer的工作原理

希望能有帮助

self.vectorizer =joblib.load('trained/vectorizer.pkl')

self.vectorizer = TfidfVectorizer(vocabulary=self.vocab, decode_error='ignore')