我已经成功创建了一个MultinomialNB分类器，并将其保存为一个pickle文件以便后续使用（感谢YouTube视频：https://www.youtube.com/watch?v=0kPRaYSgblM&t=927s和其他几个视频）。以下是我的代码：
import sklearn.datasets as skdfrom sklearn.feature_extraction.text import CountVectorizerfrom sklearn.feature_extraction.text import TfidfVectorizerfrom sklearn.naive_bayes import MultinomialNBimport picklecategories = ['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，我可以将它读取到一个新的变量’new_clf’中，以便使用这个分类器处理新的文本数据：
import picklewith open('E:\Python\Text Classification\classifier', 'rb') as tm: new_clf = pickle.load(tm)如果我直接运行前面的文件/代码，并且已经有了包含训练数据的tf_vect变量，我可以简单地在其上转换新的文本集，并将其传递给new_clf分类器以获取预测结果。
但在我的情况下，一旦模型训练完成，我希望将其发送给另一个用户，该用户将有一个单独的代码文件，该文件需要读取分类器，然后将新文本传递给它进行预测。
我在下面的代码中遇到的问题是（以ValueError: dimension mismatch结束）：-
new_text = ['God is Love', 'OpenGL is fast on GPU']new_clf.predict(new_text)我明白我没有根据训练数据的特征转换new_text。但我无法弄清楚如何解决这个问题。
我应该创建另一个包含tf_vect的pickle文件并与用户共享吗？还是它已经包含在分类器文件中，而我错过了从分类器中获取它的过程？
回答：
你确实可以保存两个pickle文件，一个用于向量化器，另一个用于分类器。然而，最方便和推荐的解决方案是将向量化器和分类器组合成一个Pipeline对象，然后你可以对其进行pickle操作。
from sklearn.pipeline import Pipelinetf_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)然后，当你加载那个pickle文件时，你可以像这样使用它来处理新文本：
with open('/.../classifier', 'rb') as tm: new_pipe = pickle.load(tm)new_pipe.predict(new_text)