文本分类，直接写完整的python代码

文本分类是自然语言处理中常见的一种任务。它的目标是对输入的文本进行分类，将其归类到一个或多个预定义的类别中。下面是一个基于 Python 的文本分类的示例代码，使用了朴素贝叶斯分类器：

import nltk
from nltk.corpus import movie_reviews

# 建立特征提取器
def features(words):
    return dict([(word, True) for word in words])

# 获取训练数据
neg_reviews = []
for fileid in movie_reviews.fileids('neg'):
    words = movie_reviews.words(fileid)
    neg_reviews.append((features(words), 'negative'))

pos_reviews = []
for fileid in movie_reviews.fileids('pos'):
    words = movie_reviews.words(fileid)
    pos_reviews.append((features(words), 'positive'))

# 将训练数据拆分为训练集和测试集
train_set = neg_reviews[:750] + pos_reviews[:750]
test_set = neg_reviews[750:] + pos_reviews[750:]

# 使用朴素贝叶斯分类器训练模型
classifier = nltk.NaiveBayesClassifier.train(train_set)

# 评估模型的准确率
accuracy = nltk.classify.accuracy(classifier, test_set)
print("Accuracy:", accuracy)

# 使用训练好的模型进行分类
review = "This movie is terrible"
words = review.split()
classification = classifier.classify(features(words))
print("Classification:", classification)

在这段代码中，我们首先获取了训练数据，然后将它拆分为训练集和测试集。然后，我们使用 nltk 库中的朴素贝叶斯分类器训练模