你可以帮我写一段简单的示例代码嘛？

当然可以，假设你想在Python中使用朴素贝叶斯分类器(Naive Bayes Classifier)处理文本分类问题，比如判断一封邮件是垃圾邮件还是非垃圾邮件，这是一个简单的示例：

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.model_selection import train_test_split

# 假设你已经有了两个数据集，一个是邮件内容（X），一个是标签（y）
X_train, X_test, y_train, y_test = train_test_split(X_mail_contents, y_labels, test_size=0.2)

# 将文本转换为数值特征向量
vectorizer = CountVectorizer()
X_train_vec = vectorizer.fit_transform(X_train)
X_test_vec = vectorizer.transform(X_test)

# 创建朴素贝叶斯分类器
nb_classifier = MultinomialNB()

# 训练模型
nb_classifier.fit(X_train_vec, y_train)

# 预测测试集
predictions = nb_classifier.predict(X_test_vec)

# 打印预测结果
print(predictions)

# 可视化或分析模型性能，例如计算准确率
accuracy = accuracy_score(y_test, predictions)
print(f"Accuracy: {accuracy}")

这个例子中，我们首先将文本数据转换成数值表示，然后创建并训练了一个朴素贝叶斯分类器。最后，我们使用该模型对测试数据进行预测，并检查其性能。