分類新出現的事件-多項朴素貝葉斯

Question

因此，我目前已經使用[SKiLearn][1]訓練了多項朴素貝葉斯分類器。現在，我可以做的是通過使用預測對測試數據進行分類。

但是，如果我想每天晚上作為腳本運行此程序，則顯然需要始終對分類器進行培訓！ 現在，我想做的就是獲取分類器系數，信息量大的單詞，並使用它們來對新數據進行分類。

這有可能-開發我自己的分類方法嗎？ 還是應該每晚簡單地訓練SkiLearn分類器？

編輯：似乎可以做的一件事是保留並保存我訓練有素的分類器 。

但是，通過邏輯回歸，您可以獲取系數並將其用於新數據。 NB有與此類似的東西嗎？

Answer 1

你是說[sklearn]嗎？ 您在使用python嗎？ 在這種情況下，事實證明[sklearn]提供了獲取模型參數[get_params（deep = True）]的功能以及設置模型的參數[set_params（** params）]的功能。

因此，可能的過程可能是：

培訓階段：

1）訓練模型

2）使用get_params（）獲得模型的參數

3）將參數保存到二進制文件中（例如，使用pickle.dump（））

預測階段：

1）從二進制文件中加載模型的參數（例如，通過使用pickle.load（））

2）使用set_params（）設置模型的參數

3）通過使用predict（）函數對新數據進行分類

希望能有所幫助。