我已经尝试过这里的代码:将朴素贝叶斯训练分类器保存在 NLTK 中。
我想将推文分为正类或负类。
这是我的代码:
#learning.py
def main_learning():
.......
classifier = nltk.NaiveBayesClassifier.train(feature_set)
save_classifier(classifier)
classifier2 = load_classifier()
print classifier2.classify(get_features("My tweet is bad".split())
def save_classifier(classifier):
f = open('my_classifier.pickle', 'wb')
pickle.dump(classifier, f)
f.close()
def load_classifier():
f = with open('my_classifier.pickle')
classifier = pickle.load(f)
f.close
return classifier
然后输出:negative
但是,当我尝试save_classifier
and load_classifier
在不同的方法中,输出总是成为正类。
这是代码:
#learning.py
def main_learning():
.......
classifier = nltk.NaiveBayesClassifier.train(feature_set)
save_classifier(classifier)
def test_classify():
classifier = load_classifier()
print classifier.classify(get_features("My tweet is bad".split())
the def save_classifier and load_classifier() are same with the first ones.
第二个输出是:positive
。
应该是静止的negative
class.
我的代码会发生什么?
谢谢
Edit:
根据 @Cassio 的回答,然后我编辑我的代码:
def save_classifier(classifier):
f = open('my_classifier.pickle', 'wb')
pickle.dump(classifier, f)
f.close()
def load_classifier():
f = with open('my_classifier.pickle', 'rb')
classifier = pickle.load(f)
f.close
return classifier
实际上它有效。