python文本分类代码

下面是一个使用朴素贝叶斯算法进行文本分类的Python代码示例：

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB

# 读入数据
data = pd.read_csv('data.csv', encoding='utf-8')

# 分割数据
x = data['text']
y = data['category']

# 特征提取
vectorizer = CountVectorizer()
x_train = vectorizer.fit_transform(x)

# 训练模型
model = MultinomialNB()
model.fit(x_train, y)

# 预测分类
new_text = ['这是一篇关于科技的文章']
new_text_vec = vectorizer.transform(new_text)
predicted_category = model.predict(new_text_vec)

print(predicted_category)

其中，'data.csv' 是包含训练数据的 CSV 文件，其中至少应该包含 'text' 和 'category' 两列。在上面的代码中，我们使用 `pandas` 库将数据读入到 DataFrame 中，然后使用 `sklearn` 库的 `CountVectorizer` 类将文本转换为向量，最后使用 `MultinomialNB` 类训练模型并进行预测。