贝叶斯分类案例代码

这里是一个简单的贝叶斯分类案例代码，使用Python中的sklearn库实现：

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

# 训练数据
train_data = ['Chinese Beijing Chinese', 'Chinese Chinese Shanghai', 'Chinese Macao', 'Tokyo Japan Chinese']

# 类别标签
train_labels = ['c', 'c', 'c', 'j']

# 将文本转换为特征向量
vectorizer = CountVectorizer()
train_features = vectorizer.fit_transform(train_data)

# 创建朴素贝叶斯分类器
nb = MultinomialNB()

# 训练朴素贝叶斯分类器
nb.fit(train_features, train_labels)

# 预测新数据
test_data = ['Chinese Chinese Chinese Tokyo Japan']
test_features = vectorizer.transform(test_data)
predicted_labels = nb.predict(test_features)

print(predicted_labels)  # ['c']

这个例子中，我们有4个训练样本，分别属于两个类别，'c'代表中国，'j'代表日本。我们使用CountVectorizer将文本数据转换为数值特征向量，然后用MultinomialNB训练一个朴素贝叶斯分类器。最后预测新的数据并输出预测结果。