Python朴素贝叶斯好瓜坏瓜代码

Python中的朴素贝叶斯分类器常用于文本分析和机器学习任务，其中经典的例子就是使用它来做垃圾邮件检测，比如区分“好瓜”（非垃圾邮件）和“坏瓜”（垃圾邮件）。下面是一个简单的朴素贝叶斯分类器在Python（通过sklearn库）中处理这个场景的代码示例：

from sklearn.datasets import fetch_20newsgroups
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.pipeline import Pipeline

# 加载数据集（这里假设数据已经分为"good"和"spam"两类）
categories = ["alt.atheism", "comp.graphics"]
data_train = fetch_20newsgroups(subset='train', categories=categories)
data_test = fetch_20newsgroups(subset='test', categories=categories)

# 创建模型并构建管道
text_clf = Pipeline([
    ('vect', CountVectorizer()),  # 文本向量化
    ('clf', MultinomialNB()),     # 朴素贝叶斯分类器
])

# 训练模型
text_clf.fit(data_train.data, data_train.target)

# 预测测试数据
predicted_labels = text_clf.predict(data_test.data)

# 打印预测结果
print("Predictions:", predicted_labels)