train_X = vectorize_documents(train_documents) test_X = vectorize_documents(test_documents) # 训练朴素贝叶斯分类器 classifiers = [] for i in range(5): y = [1 if label == i else 0 for label in train_labels] clf = train_classifier(train_X, y) classifiers.append(clf)

这段代码实现了一个朴素贝叶斯分类器的训练过程。其中，train_X 是训练数据的特征矩阵，test_X 是测试数据的特征矩阵，train_labels 是训练数据的类别标签。

具体来说，该代码将数据集按照类别分为 5 个部分，分别训练 5 个二分类器，每个二分类器用于将某个类别与其他类别区分开来。训练过程中，将训练数据的类别标签转化为 0/1 的形式，其中 1 表示该样本属于当前正在训练的类别，0 表示不属于。然后，使用该类别的训练数据和标签来训练一个朴素贝叶斯分类器 clf，并将其存储在 classifiers 列表中。最终，可以使用这些分类器对测试数据进行分类，将每个样本分别输入到 5 个分类器中，选择得分最高的分类器的类别作为该样本的预测类别。