如何持久化Python TextBlob模型？

Question

如何将模型结果持久化，以便在TextBlob中下一次更新？

文档参考资料可以在这里找到，https://github.com/sloria/TextBlob

我注意到文档指定了如何更新培训数据，但我没有看到从上一次会议中保存数据的方法或方法。

如何更新： https://textblob.readthedocs.io/en/dev/classifiers.html#updating-classifiers-with-new-data

我特别指的是对文本进行分类。我确实觉得我在这个特定的话题上很笨，因为我总是很难知道在任何人工智能例子中，这些培训课程是在哪里进行的。

你不想把整件事再搞一次，对吧？你想从你停止的地方开始，并继续迭代地改进它。

我想这么做：

1. 如果存在过去的训练结果，将其加载到模型中。
2. 更新或运行新的培训课程
3. 保存培训课程
4. 根据需要在稍后时间重复

Answer 1

模型和培训可以使用、泡菜、和解腌制进行。

>>> from textblob.classifiers import NaiveBayesClassifier
>>> train = [('love the weather','pos'),('love the world','pos'),('horrible place','neg')]
>>> cl = NaiveBayesClassifier(train)
>>> [cl.prob_classify("love food").prob('pos'),cl.prob_classify("love food").prob('neg')]
[0.8590880780051973, 0.14091192199480246]
>>> import cPickle
>>> save_training = open('/tmp/save_training.pickle','wb')
>>> cPickle.dump(cl,save_training)  # SAVE TRAINED CLASSIFIER
>>> save_training.close()
>>> 
>>> load_training = open('/tmp/save_training.pickle','rb')
>>> new_cl = cPickle.load(load_training) # LOAD TRAINED CLASSIFIER
>>> [new_cl.prob_classify("love food").prob('pos'),new_cl.prob_classify("love food").prob('neg')]
[0.8590880780051973, 0.14091192199480246]