定义一个基于贝叶斯分类器的分类器python代码

以下是一个基于贝叶斯分类器的分类器Python代码示例：

import numpy as np
from sklearn.naive_bayes import MultinomialNB

# 假设我们有一个包含多个文档的训练集
train_documents = ['This is the first document', 'This is the second document', 'This is the third document', 'Fourth document is here']

# 对训练集进行向量化
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer()
train_matrix = vectorizer.fit_transform(train_documents)

# 假设我们有一些新的文档需要进行分类
new_documents = ['First document is here', 'Another document is there']

# 对新文档进行向量化
new_matrix = vectorizer.transform(new_documents)

# 使用朴素贝叶斯分类器进行分类
clf = MultinomialNB()
clf.fit(train_matrix, ['category1', 'category1', 'category1', 'category2'])
predictions = clf.predict(new_matrix)

# 输出分类结果
print(predictions)

请注意，这只是一个简单的示例，实际上使用贝叶斯分类器进行分类需要更复杂的处理和特性选择。