保存和加载测试用另一种方法对NLTK中的朴素贝叶斯分类器进行分类

Question

我已经尝试了这里的代码：在NLTK中保存朴素贝叶斯训练分类器。我想把推特分为积极类或消极类。这是我的代码：

#learning.py
def main_learning():
   .......
   classifier = nltk.NaiveBayesClassifier.train(feature_set)
   save_classifier(classifier)
   classifier2 = load_classifier()
   print classifier2.classify(get_features("My tweet is bad".split())
def save_classifier(classifier):
   f = open('my_classifier.pickle', 'wb')
   pickle.dump(classifier, f)
   f.close()
def load_classifier():
   f = with open('my_classifier.pickle')
   classifier = pickle.load(f)
   f.close
   return classifier

然后输出：negative

但是，当我用不同的方法尝试save_classifier和load_classifier时，输出总是正类。

这是代码：

#learning.py
def main_learning():
   .......
   classifier = nltk.NaiveBayesClassifier.train(feature_set)
   save_classifier(classifier)
def test_classify():
   classifier = load_classifier()
   print classifier.classify(get_features("My tweet is bad".split())
the def save_classifier and load_classifier() are same with the first ones.

第二个输出是：positive。它应该仍然是negative类。

我的代码怎么了？？感谢

编辑：

根据@Cassio的回答，然后我编辑我的代码：

def save_classifier(classifier):
       f = open('my_classifier.pickle', 'wb')
       pickle.dump(classifier, f)
       f.close()
def load_classifier():
   f = with open('my_classifier.pickle', 'rb')
   classifier = pickle.load(f)
   f.close
   return classifier

实际上它是有效的。

Answer 1

我没有测试代码的环境设置，但我觉得在保存/加载pickle的部分不合适。

参考NLTK书的存储标记部分，我会更改您的代码，并这样做：

def save_classifier(classifier):
   f = open('my_classifier.pickle', 'wb')
   pickle.dump(classifier, f, -1)
   f.close()
def load_classifier():
   f = open('my_classifier.pickle', 'rb')
   classifier = pickle.load(f)
   f.close()
   return classifier

希望能有所帮助。