python预测模型 存数据库_用保存的sklearn模型进行预测

您的培训部分有3个部分符合数据：CountVectorizer：学习训练数据的词汇表并返回计数

TfidfTransformer：从上一部分学习词汇表的计数，并返回tfidf

LogisticRegression：学习特征系数以获得最佳分类性能。

由于每个部分都在学习有关数据的知识并使用它输出转换后的数据，因此在测试新数据时，您需要拥有所有3个部分。但是您只保存了joblib中的lr，因此其他两个都丢失了，并且丢失了训练数据词汇表和计数。在

现在在您的测试部分，您将初始化新的CountVectorizer和{}，并调用fit()(fit_transform())，它将只从这个新数据中学习词汇表。所以单词会比训练单词少。但随后加载了先前保存的LR模型，该模型根据诸如训练数据之类的特性来期望数据。因此出现以下错误：ValueError: X has 130 features per sample; expecting 223086

你需要做的是：

培训期间：

^{pr2}$

测试期间loaded_model = joblib.load("finalized_model.sav")

loaded_cvec = joblib.load("finalized_countvectorizer.sav")

loaded_tfidf_transformer = joblib.load("finalized_tfidftransformer.sav")

# Observe that I only use transform(), not fit_transform()

x_val_vec = loaded_cvec.transform(new_x)

X_val_tfidf = loaded_tfidf_transformer.transform(x_val_vec)

result = loaded_model.predict(X_val_tfidf)

现在你不会得到那个错误。在

建议：

您应该使用TfidfVectorizer来代替CountVectorizer和tfiddTransformer，这样就不必一直使用两个对象。在

除此之外，您还应该使用管道将两者结合起来步骤：-TfidVectorizer和LogisticRegression，因此您只需使用单个对象(这更易于保存和加载以及一般处理)。在

所以编辑培训部分如下：tfidf_vectorizer = TfidfVectorizer()

lr = LogisticRegression()

tfidf_lr_pipe = Pipeline([('tfidf', tfidf_vectorizer), ('lr', lr)])

# Internally your X_train will be automatically converted to tfidf

# and that will be passed to lr

tfidf_lr_pipe.fit(X_train, y_train)

# Similarly here only transform() will be called internally for tfidfvectorizer

# And that data will be passed to lr.predict()

y_preds = tfidf_lr_pipe.predict(x_test)

# Now you can save this pipeline alone (which will save all its internal parts)

filename = 'finalized_model.sav'

joblib.dump(tfidf_lr_pipe, filename)

测试期间，请执行以下操作：loaded_pipe = joblib.load("finalized_model.sav")

result = loaded_model.predict(new_x)