如何使用训练好的文本分类模型

Question

我实现了一个 SVM 模型，可以将给定的文本分为两类。 该模型使用 data.csv 数据集进行训练和测试。 现在我想将此模型与实时数据一起使用。 为此，我使用了 pickle python 库。 首先我保存了模型。

joblib.dump(clf, "model.pkl")

然后我加载了那个模型。

classifer = joblib.load("model.pkl")

然后我使用下面的输入作为要分类的文本。

new_observation = "this news should be in one category"
classifer.predict([new_observation])

但是运行这个之后，它给出了一个错误。

ValueError: 无法将字符串转换为浮点数：“此新闻应属于一个类别”

我参考了下面的链接以了解如何保存和加载经过训练的模型。 [ https://scikit-learn.org/stable/modules/model_persistence.html][1]

编辑

这是我用来创建 svm 模型的代码。

data = pd.read_csv('data1.csv',encoding='cp1252')

def pre_process(text):

    text = text.translate(str.maketrans('', '', string.punctuation))

    text = [word for word in text.split() if word.lower() not in 
    stopwords.words('english')]

    words = ""

    for i in text:

            stemmer = SnowballStemmer("english")

            words += (stemmer.stem(i))+" "

    return words

textFeatures = data['textForCategorized'].copy()

textFeatures = textFeatures.apply(pre_process)

vectorizer = TfidfVectorizer("english")

features = vectorizer.fit_transform(textFeatures)

features_train, features_test, labels_train, labels_test = train_test_split(features, data['class'], test_size=0.3, random_state=111)

    svc = SVC(kernel='sigmoid', gamma=1.0)

    clf = svc.fit(features_train, labels_train)

    prediction = svc.predict(features_test)

在实现模型之后，这是我尝试向模型提供输入的方式。

joblib.dump(clf, "model.pkl")

classifer = joblib.load("model.pkl")

new_observation = "This news should be in one category"

classifer.predict(new_observation)

编辑

joblib.dump(clf, "model.pkl") 
classifer = joblib.load("model.pkl")
textFeature = "Dengue soaring in ......" 
textFeature =pre_process(textFeature) 
classifer.predict(textFeature.encode())

这是我用来加载模型和向模型输入文本的代码。 这样做之后，我添加了代码来获取预测值。 但我有一个错误。

ValueError: 无法将字符串转换为浮点数：b'dengu soar '

Answer 1

您应该在将new_observation提供给模型之前对其进行预处理。 在您的情况下，您只预处理了用于训练的textFeatures ，您也必须重复new_observation的预处理步骤。

1. 应用pre_process()的函数new_observation
2. 使用vectorizer对从pre_process(new_observation)获得的输出进行变换

Answer 2

我遇到了同样的问题，并通过根据训练数据的形状调整单个字符串数据的大小来解决。

完整代码：

joblib.dump(clf, "model.pkl") 
classifer = joblib.load("model.pkl")
textFeature = "Dengue soaring in ......" 
vocabulary=pre_process(textFeature) 
vocabulary_df =pd.Series(vocabulary)

#### Feature extraction using Tfidf Vectorizer
from sklearn.feature_extraction.text import TfidfVectorizer
vectorizer = TfidfVectorizer(stop_words='english')

test_ = vectorizer.fit_transform(vocabulary_df.values)

test_.resize(1, features_train.shape[1])
classifer.predict(test_)