我正在做一个机器学习项目,为此我正在使用 pickle
Python的模块。
基本上,我正在解析一个巨大的数据集,这在一次执行中是不可能的,这就是为什么我需要保存分类器对象并在下一次执行中更新它。
所以我的问题是,当我使用新数据集再次运行程序时,已经创建的 pickle 对象是否会被修改(或更新)。如果不是,那么每次运行程序时如何更新相同的 pickle 对象。
save_classifier = open("naivebayes.pickle","wb")
pickle.dump(classifier,save_classifier)
save_classifier.close()
最佳答案
解开你的 classifier
对象将以与 pickle 时相同的状态重新创建它,因此您可以继续使用数据集中的新数据对其进行更新。在程序运行结束时,你 pickle classifier
再次将其保存到文件中。最好不要覆盖同一个文件,而是保留一个备份(或者更好的是,一系列备份),以防万一你搞砸了。这样,您可以轻松回到 classifier
的已知良好状态。 .
你应该尝试 pickle ,使用一个简单的程序和一个简单的对象来 pickle 和解酸,直到你对这一切的工作方式完全有信心。
这是如何更新 pickle classifier
的粗略草图数据。
import pickle
import os
from os.path import exists
# other imports required for nltk ...
picklename = "naivebayes.pickle"
# stuff to set up featuresets ...
featuresets = [(find_features(rev), category) for (rev, category) in documents]
numtrain = int(len(documents) * 90 / 100)
training_set = featuresets[:numtrain]
testing_set = featuresets[numtrain:]
# Load or create a classifier and apply training set to it
if exists(picklename):
# Update existing classifier
with open(picklename, "rb") as f:
classifier = pickle.load(f)
classifier.train(training_set)
else:
# Create a brand new classifier
classifier = nltk.NaiveBayesClassifier.train(training_set)
# Create backup
if exists(picklename):
backupname = picklename + '.bak'
if exists(backupname):
os.remove(backupname)
os.rename(picklename, backupname)
# Save
with open(picklename, "wb") as f:
pickle.dump(classifier, f)
第一次运行这个程序时,它会创建一个新的
classifier
,使用 training_set
中的数据对其进行训练,然后 pickle classifier
到“naivebayes.pickle”。以后每次运行此程序时,它都会加载旧的 classifier
。并对其应用更多的训练数据。顺便说一句,如果您在 Python 2 中执行此操作,您应该使用更快的
cPickle
模块;你可以通过替换来做到这一点import pickle
和
import cPickle as pickle
关于python - 更新 Python Pickle 对象,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36796322/