python 朴素贝叶斯代码

以下是 Python 中的朴素贝叶斯分类器的示例代码：

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

# 训练数据
train_data = ['This is the first document.', 'This is the second document.', 'This is the third document.', 'This is the fourth document.']
train_labels = ['class1', 'class1', 'class2', 'class2']

# 将文本转换为向量
vectorizer = CountVectorizer()
train_vectors = vectorizer.fit_transform(train_data)

# 训练分类器
clf = MultinomialNB()
clf.fit(train_vectors, train_labels)

# 测试数据
test_data = ['This is the fifth document.', 'This is the sixth document.']
test_vectors = vectorizer.transform(test_data)

# 预测分类结果
predicted_labels = clf.predict(test_vectors)
print(predicted_labels)

这段代码使用了 scikit-learn 库中的 MultinomialNB 类实现了朴素贝叶斯分类器。首先，将训练数据转换为向量表示，然后使用 fit() 方法训练分类器。接着，将测试数据转换为向量表示，使用 predict() 方法预测分类结果。最后，输出预测结果。