Python 如何存储经过训练的分类器？

当URL被输入到分类器中时，分类器被训练为预测新闻类别

当前：对于每个输入，我训练分类器，然后返回输出，因此我失去了训练过的分类器

预期：一旦我训练了分类器，我应该能够在需要时从内存调用该分类器

如能对此有所了解，我们将不胜感激。

PS:NLP的业余爱好者是你想要的吗

示例来自：

来自sklearn导入svm的

>>
>>>从sklearn导入数据集
>>>clf=svm.SVC（）
>>>iris=数据集。加载\u iris（）
>>>X，y=iris.data，iris.target
>>>clf.配合（X，y）
SVC（C=1.0，缓存大小=200，类权重=None，coef0=0.0，
决策函数形状=无，度=3，gamma='auto'，内核='rbf'，
最大值=1，概率=假，随机状态=无，收缩=真，
tol=0.001，详细=False）
>>>进口泡菜
>>>s=pickle.dumps（clf）#>>clf2=pickle.load（s）#>>clf2.predict（X[0:1]）#>>y[0]
0

您可以使用Pickle/cPickle转储/加载您的模型

import pickle

#Some COde
model_path = "classifier.model"
if not os.path.exists(model_path):
    #Some Code
    classifier = # Some Classifer
    pickle.dump(classifier, open(model_path, "wb" ))
else:
    classifier = pickle.load(open(model_path, "rb"))

#Some Code

---

有关更多信息：

您是否建议我使用sklearn而不是nlp？尝试pickle您的

nip

分类器对象-很可能它会起作用。。。

import pickle

#Some COde
model_path = "classifier.model"
if not os.path.exists(model_path):
    #Some Code
    classifier = # Some Classifer
    pickle.dump(classifier, open(model_path, "wb" ))
else:
    classifier = pickle.load(open(model_path, "rb"))

#Some Code