TL; DR - используйте конвейеры для сохранения модели TF-IDF, сгенерированной из обучающего набора, и модели SVM для прогнозирования. Так что по сути сохраните две модели: одну для извлечения признаков и преобразования входных данных, а другую для прогнозирования. Одна из больших проблем при разработке модели классификации текста - обученной модели, которую вы получаете, недостаточно для прогнозирования, если вы планируете обучаться в автономном режиме и в некоторых случаях развертывать..

С тех пор, как я начал изучать машинное обучение и науку о данных, я был заинтересован в создании инструмента, который позволил бы мне тестировать различные методы предварительной обработки и алгоритмы машинного обучения для прогнозирования набора данных. Моей целью было испытать различные комбинации и посмотреть, смогу ли я добиться приличной точности. Я научился разрабатывать легкие веб-приложения, используя streamlit и python. Если вы ничего не знаете о Streamlit, я рекомендую..