这是一段情感分析代码，每次我更改输入时，编译需要10到15分钟。有什么方法可以减少这个时间？使用pickle保存分类器或者其他方法，哪个更可取？这里没有提到其他函数。
inpTweets = csv.reader(open('training_neatfile_4.csv', 'r' ,encoding='ISO-8859-1'), delimiter=',')stopWords = getStopWordList('stopwords.txt')count = 0;featureList = []tweets = []for row in inpTweets: sentiment = row[0] tweet = row[1] processedTweet = processTweet(tweet) featureVector = getFeatureVector(processedTweet, stopWords) featureList.extend(featureVector) tweets.append((featureVector, sentiment));#end loop# Remove featureList duplicatesfeatureList = list(set(featureList))# Generate the training settraining_set = nltk.classify.util.apply_features(extract_features, tweets)# Train the Naive Bayes classifiernb_classifier = nltk.NaiveBayesClassifier.train(training_set)# Test the classifiertestTweet = 'He is a brainless kid'processedTestTweet = processTweet(testTweet)sentiment = nb_classifier.classify(extract_features(getFeatureVector(processedTestTweet, stopWords)))print ("testTweet = %s, sentiment = %s\n" % (testTweet, sentiment))回答：
训练一个NaiveBayesClassifier（或其他任何分类器）需要很长时间（取决于训练数据的输入），如果你在训练后保存分类器的对象（NBClassifier），可以避免重新训练，从而节省时间。
以下是使用pickle保存对象的方法，你可以在你的代码中使用它来保存或加载分类器。
import picklepickle.dump(object, file)你可以通过保存NaiveBayesClassifier的对象（nb_classifier）来保存它，如下所示。
with open('model.pkl', 'wb') as nb_classifier_model: pickle.dump(nb_classifier, nb_classifier_model)然后，你可以这样检索它：
with open('model.pkl', 'rb') as nb_classifier_model: nb_classifier = pickle.load(nb_classifier_model)这就是你可以实现目标的方法，按需使用即可。
希望这对你有帮助！
