我已经能够制作一个MultinomialNB分类器，并将其保存到泡菜文件中供以后使用（这要归功于youtube视频：https://www.youtube.com/watch?v=0kPRaYSgblM
import sklearn.datasets as skd
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB
import pickle
categories = ['alt.atheism', 'soc.religion.christian', 'comp.graphics', 'sci.med']
train_data = skd.load_files('E:/Python/Datasets/train', categories=categories, encoding='ISO-8859-1')
test_data = skd.load_files('E:/Python/Datasets/test', categories=categories, encoding='ISO-8859-1')
tf_vect = TfidfVectorizer()
tfidf_train = tf_vect.fit_transform(train_data.data)
clf = MultinomialNB().fit(tfidf_train, train_data.target)
with open('classifier', 'wb') as picklefile:
pickle.dump(clf, picklefile)
现在，在一个单独的代码文件中，我可以将其读回一个新变量“new_clf”，以将该分类器用于新的文本数据：
import pickle
with open('E:\Python\Text Classification\classifier', 'rb') as tm:
new_clf = pickle.load(tm)
现在，如果我直接运行以前的文件/代码，并从它那里得到tf_vect变量，其中已经安装了我的训练数据，我可以简单地转换它上的新文本集，并将其传递给new_clf分类器以获得预测。
但是在我的例子中，一旦模型被训练，我想把它发送给另一个用户，这个用户将拥有一个单独的代码文件，该文件必须读取分类器，然后将新文本传递给它进行预测。
我在这里得到的问题是在下面的代码（以ValueError结束：维度不匹配）：-
new_text = ['God is Love', 'OpenGL is fast on GPU']
new_clf.predict(new_text)
我明白我不是根据训练数据的特征来转换new_text。但是我不知道如何解决它。
我是否要创建另一个包含tf_vect的pickle文件并与用户共享？或者它已经和分类器文件一起运行，而我错过了从分类器获取它的过程？
您确实可以保存两个pickle文件，一个用于矢量器，另一个用于分类器。但是，最方便和推荐的解决方案是将矢量器和分类器组合成一个管道对象，然后可以对其进行pickle。
from sklearn.pipeline import Pipeline
tf_vect = TfidfVectorizer()
clf = MultinomialNB()
pipe = Pipeline([("vectorizer", tf_vect), ("classifier", clf)])
pipe.fit(train_data.data, train_data.target)
with open('classifier', 'wb') as picklefile:
pickle.dump(pipe, picklefile)
加载该pickle文件后，可以将其与新文本一起使用，如下所示：
with open('/.../classifier', 'rb') as tm:
new_pipe = pickle.load(tm)
new_pipe.predict(new_text)
