个人中心
文章发布
退出
作者热门文章
- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
25
4
我正在使用 scikit-learn 对文本文档进行聚类。我正在使用类 CountVectorizer、TfidfTransformer 和 MiniBatchKMeans 来帮助我做到这一点。新的文本文档一直被添加到系统中，这意味着我需要使用上面的类来转换文本并预测一个集群。我的问题是:我应该如何将数据存储在磁盘上？我应该简单地 pickle vectorizer、transformer 和 kmeans 对象吗？我应该只保存数据吗？如果是这样，我如何将它添加回矢量化器、转换器和 kmeans 对象？
任何帮助将不胜感激
最佳答案
这取决于你想做什么。
如果您想在训练集上找到一些固定的聚类中心，然后稍后重新使用它们来计算新数据的聚类分配，然后对模型进行酸洗(或者只是保存向量化器的词汇表和其他模型构造函数参数和簇中心位置)是可以的。
如果你想要用新数据进行聚类，你可能想使用新数据+旧数据的联合来重新训练整个管道，使向量化器的词汇表能够构建新的特征(维度)对于新词，让聚类算法找到更匹配完整数据集结构的聚类中心。
请注意，将来我们将提供哈希向量化器(例如，请参阅此 pull request on hashing transformers 作为第一个构建 block )，因此不再需要存储词汇表(但您将失去反省“特征维度的意义”)。
至于对模型进行 pickling 与使用您自己的参数表示，我已经在您之前的问题中回答了这一部分:Persist Tf-Idf data
关于python - 在 sklearn 中持久化数据，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/11141761/
25
4
0
我是 python 的新手。我试图找到我的文本的频率分布。这是代码， import nltk nltk.download() import os os.getcwd() text_file=open(
我对安卓 fragment 感到困惑。我知道内存 fragment 但无法理解什么是 android fragment 问题。虽然我发现很多定义，比如 Android fragmentation re
尝试对 WordPress 进行 dockerise 我发现了这个场景: 2个数据卷容器，一个用于数据库(bbdd)，另一个用于wordpress文件(wordpress): sudo docker
这个问题已经有答案了: From the server is there a way to know that my page is being loaded in an Iframe (1 个回答)
我正在玩小型服务器，试图对运行在其上的服务进行docker化。为简化起见，假设我必须主要处理:Wordpress和另一项服务。 在Docker集线器上有许多用于Wordpress的图像，但是它们似乎都
我想要发生的是，当帐户成功创建后，提交的表单应该消失，并且应该出现一条消息(取决于注册的状态)。 如果成功，他们应该会看到一个简单的“谢谢。请检查您的电子邮件。” 如果不是，那么他们应该会看到一条适当
就是这样，我需要为客户添加一个唯一标识符。通过 strip 元数据。这就是我现在完全构建它的方式，但是我只有最后一部分告诉我用户购买了哪个包。 我试着看这里: Plans to stripe 代码在这
我有一个类将执行一些复杂的操作，涉及像这样的一些计算: public class ComplexAction { public void someAction(String parameter
这个问题已经有答案了: maven add a local classes directory to module's classpath (1 个回答) 已关闭10 年前。 我有一些不应更改的旧 E
我使用 fragment 已经有一段时间了，但我经常遇到一个让我烦恼的问题。 fragment 有时会相互吸引。现在，我设法为此隔离了一个用例，它是这样的: Add fragment A(也使用 ad
我的 html 中有一个 ol 列表，上面有行条纹。看起来行条纹是从数字后面开始的。有没有办法让行条纹从数字开始？ 我已经包含了正在发生的事情的片段 h4:nth-child(even) {
如何仅使用 css 将附加图像 html 化？ 如果用纯 css 做不到，那我怎么能至少用一个图像来做 最佳答案 这不是真正的问题，而是您希望我们为您编写代码。我建议您搜索“css breadcrum
以下是 Joshua 的 Effective Java 的摘录: If you do synchronize your class internally, you can use various te
在这里工作时，我们有一个框向业务合作伙伴提供 XML 提要。对我们的提要的请求是通过指定查询字符串参数和值来定制的。其中一些参数是必需的，但很多不是。 例如，我们要求所有请求都指定一个 GUID 来标
我有 3 个缓冲区，其中包含在 32 位处理器上运行的 R、G、B 位数据。 我需要按以下方式组合三个字节: R[0] = 0b r1r2r3r4r5r6r7r8 G[0] = 0b g1g2g3g4
我最近发现了关于如何使用 History.js、jQuery 和 ScrollTo 通过 HTML5 History API 对网站进行 Ajax 化的要点:https://github.com/br
我们有一个 Spring Boot 应用程序，由于集成需要，它变得越来越复杂——比如在你这样做之后发送一封电子邮件，或者在你之后广播一条 jms 消息等等。在寻找一些更高级别的抽象时，我遇到了 apa
我正在尝试首次实施Google Pay。我面临如何指定gateway和gatewayMarchantId的挑战。 我所拥有的是google console帐户，不知道在哪里可以找到此信息。 priva
昨天下午 3 点左右，我为两个想要从一个 Azure 帐户转移到另一个帐户的网站设置了 awverify 记录。到当天结束时，Azure 仍然不允许我添加域，所以我赌了一把，将域和 www 子域重新指
我正在使用terms facet在elasticsearch服务器中获取顶级terms。现在，我的标签"indian-government"不被视为一个标签。将其视为"indian" "governm
我是一名优秀的程序员,十分优秀！