Как предсказать новый набор данных, используя обученный классификатор

Question

Я обучил модель с использованием гауссовского классификатора, и моя модель имеет точность 63%. Теперь мне нужно использовать эту модель для прогнозирования данных в другом файле. Как я могу это сделать?

Это код, который я сделал.

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
dataset = pd.read_csv('fno.tsv', delimiter = '\t', quoting = 3)
import re
from sklearn.externals import joblib
import phrasemachine as pm
import nltk 
nltk.download('stopwords')
from nltk.corpus import stopwords
from nltk.stem.porter import PorterStemmer 
from nltk.util import ngrams
corpus = []

for j in range(0, 400):
    review = re.sub('[^a-zA-Z]', ' ', dataset['Final Narrative'][j])
    review = review.lower()
    review = review.split()
    ps = PorterStemmer()
    review = [ps.stem(word) for word in review if not word in set(stopwords.words('english'))] 
    review = ' '.join(review)
    corpus.append(review)
from sklearn.feature_extraction.text import CountVectorizer
cv = CountVectorizer() 
X = cv.fit_transform(corpus).toarray()
y = dataset.iloc[:, 17].values
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.05, random_state = 0)
from sklearn.naive_bayes import GaussianNB
from sklearn import metrics
model = GaussianNB()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

from sklearn.feature_extraction.text import TfidfVectorizer
tf=TfidfVectorizer()
text_tf= tf.fit_transform(dataset['Final Narrative'])

from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
    text_tf, dataset['Source of Hazard'], test_size=0.3, random_state=123)
#Accuracy Check
from sklearn.naive_bayes import GaussianNB
from sklearn import metrics

clf = GaussianNB().fit(X_train.toarray(), y_train)
predicted= clf.predict(X_test.toarray())
print("MultinomialNB Accuracy:",metrics.accuracy_score(y_test, predicted))

Теперь у меня есть еще один файл с именем data, в котором есть только данные (X) для прогнозирования без Y. Как я могу использовать приведенный выше классификатор для прогнозирования этого нового набора данных?

Answer 1

model.predit (), эта функция предоставит результаты прогнозирования для алгоритма классификации. Прогноз для нового файла будет выглядеть следующим образом:

model.predict(X_data)

При этом выводятся результаты классификации.