保存和加载测试以另一种方法对 NLTK 中的朴素贝叶斯分类器进行分类

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。

我没有环境设置来测试您的代码，但我感觉它在保存/加载泡菜的部分不正确。

参考存储标签NLTK 书的部分，我会更改您的代码并执行以下操作：

def save_classifier(classifier):
   f = open('my_classifier.pickle', 'wb')
   pickle.dump(classifier, f, -1)
   f.close()

def load_classifier():
   f = open('my_classifier.pickle', 'rb')
   classifier = pickle.load(f)
   f.close()
   return classifier

希望能帮助到你。