我有一个 Python 脚本，它成功地创建、训练并将一个用于字符串情感分析的朴素贝叶斯分类器 pickle 化。我改编了在这里和这里找到的代码片段，这些对像我这样的初学者来说非常有帮助。然而，这两个资源都没有展示如何使用一个 pickled 的分类器。之前在 StackOverflow 的回答（这里和这里）暗示了分类器对象本身和特征向量都应该保存到磁盘，然后一起加载以便后续使用，但没有提供实现这一过程的语法示例。

更新：这段代码可以工作，用于训练和存储分类器：

...def get_words_in_descs(descs):    all_words = []    for (words, sentiment) in descs:       all_words.extend(words)    return all_wordsdef get_word_features(wordlist):    wordlist = nltk.FreqDist(wordlist)    word_features = wordlist.keys()    return word_featuresdef extract_features(document):    document_words = set(document)    features = {}    for word in word_features:        features['contains(%s)' % word] = (word in document_words)    return featurestraining = [           (['Multipurpose 4140 alloy steel'], 'metal'),            (['Easy-to-machine polyethylene tube'], 'plastic'),           ...           ] word_features = get_word_features(get_words_in_descs(training))training_set = nltk.classify.apply_features(extract_features, training)classifier = nltk.NaiveBayesClassifier.train(training_set)outputFile = open('maxModel.pkl','wb')pickle.dump(classifier, outputFile)outputFile.close()

更新：同样，上面的代码运行良好。我的问题是在另一个独立的 .py 文件中，我试图解封这个分类器，然后用它来对一个新的、之前未见过的字符串进行分类。我最初以为这是因为我把分类器从 word_features 中移走了，但可能还有其他问题？

这是无法工作的代码。现在我得到了这个错误…它是在某个地方期待一个列表吗？ 'dict_keys' object has no attribute 'copy'

...def get_word_features(wordlist):    wordlist = nltk.FreqDist(wordlist)    word_features = wordlist.keys()    return word_featureswith open('maxModelClassifier.pkl', 'rb') as fid:    loaded_classifier = pickle.load(fid)    #print(str(loaded_classifier.show_most_informative_features(100)))#尝试使用加载的分类器：print(loaded_classifier.classify(get_word_features(['super-cushioning', 'foam', 'sheet', 'adhesive-back', 'polyurethane'])))

感谢任何见解。

回答：

你的代码为每个推文计算特征并将它们保存到文件中。你是不是忘记了什么？你从未训练过你在问题中提到的朴素贝叶斯分类器。（或者如果你训练了，你没有用你代码中显示的 training 数据来做。）

1. 通过调用其 train() 方法来训练分类器，并传递你计算的标记特征向量列表。

   classifier = nltk.classify.NaiveBayesClassifier(training)

   请注意，训练集应该是一个标记字典的列表，而不是你正在创建的标记词列表。请参阅 NLTK 书籍的第6章，了解如何以正确格式创建标记特征向量的示例。

2. 使用新训练的或解封的分类器，通过调用 classify()、prob_classify()、classify_many() 或 prob_classify_many() 中的一个方法。你需要从你想要分类的输入中计算特征，并将这些特征传递给分类方法（显然不需要标签，因为这就是你想要找出的）。

   print(classifier.classify(get_word_features(["What", "is", "this"])))

3. 对训练后的分类器进行 pickle 化，而不是特征。”语法”只是 pickle.dump(classifier, outputfile)。