如何使用 scikit 进行预测？答案

【问题标题】：how to predict using scikit?如何使用 scikit 进行预测？
【发布时间】：2012-12-13 21:11:32
【问题描述】：

我已经使用 fit 方法训练了一个估计器，称为 clf，并将模型保存到磁盘。下次运行程序，会从磁盘加载clf。

我的问题是：

【问题讨论】：

【解决方案1】：

如何预测保存在磁盘上的样本？我的意思是，如何加载和预测？

您必须对新样本使用与传递给fit 方法的样本相同的数组表示。如果要预测单个样本，输入必须是形状为(1, n_features) 的二维numpy 数组。

在 HDD 上读取原始文件并将其转换为适合分类器的 numpy 数组表示的方式是一个特定领域的问题：这取决于您是否尝试对文本文件、jpeg 文件、视频文件中的帧进行分类，数据库中的行，syslog 监控服务的日志行...
预测后如何获取样本标签而不是标签整数？

只需保留标签名称列表，并确保在拟合时用作目标值的整数在[0, n_classes) 范围内。例如['spam', 'ham']，如果你有[0, 1]范围内的预测，那么你可以这样做：
```
new_samples = # 2D array with shape (n_samples, n_features)
label_names = ['ham', 'spam']
predictions = [label_names[pred] for pred in clf.predict(new_samples)]
```

【讨论】：

我正在使用 TfidfVectorizer 生成传递给 fit 方法的数组，例如vectorizer = TfidfVectorizer(sublinear_tf = True, max_df = 0.5, stop_words = 'english',charset_error='ignore') X_train = vectorizer.fit_transform(data_train.data)，我想知道如何为新样本生成相同的数组表示从磁盘加载模型后？我想，如何为新样本生成特征向量，因为如果我只使用矢量化器，转换（newSampleData），我想我会得到错误的特征
你需要复用同一个vectorizer实例并使用transform方法。它需要一个字符串列表作为输入。只需阅读您的文本文件（假设它们使用 utf-8 字符集编码）：new_samples = [open(f, 'wb').read().decode('utf-8') for f in filenames]
上一条评论有错别字，应该是open(f, 'rb')而不是open(f, 'wb')。