python用sklearn朴素贝叶斯实现中文文本分类

可以使用`sklearn`中的`CountVectorizer`和`MultinomialNB`来实现中文文本分类。

首先，需要将文本数据转换成向量形式，可以使用`CountVectorizer`来实现。`CountVectorizer`会统计每个词在所有文本中出现的频率，并将其转换成一个向量。具体代码如下：

from sklearn.feature_extraction.text import CountVectorizer

# 读取文本数据
with open('data.txt', 'r', encoding='utf-8') as f:
    data = f.readlines()

# 创建CountVectorizer对象，用于转换文本数据
vectorizer = CountVectorizer()

# 将文本数据转换成向量形式
X = vectorizer.fit_transform(data)

接着，使用`MultinomialNB`来训练分类模型。`MultinomialNB`是朴素贝叶斯分类器的一种，适用于离散型特征的分类问题。具体代码如下：

from sklearn.naive_bayes import MultinomialNB

# 读取标签数据
with open('labels.txt', 'r', encoding='utf-8') as f:
    labels = f.readlines()

# 创建MultinomialNB对象，用于训练分类模型
clf = MultinomialNB()

# 训练分类模型
clf.fit(X, labels)

最后，使用训练好的模型对新的文本进行分类。具体代码如下：

# 读取测试数据
with open('test.txt', 'r', encoding='utf-8') as f:
    test_data = f.readlines()

# 将测试数据转换成向量形式
X_test = vectorizer.transform(test_data)

# 对测试数据进行分类
y_pred = clf.predict(X_test)

其中，`test.txt`是新的待分类的文本数据，`y_pred`为预测结果。