朴素贝叶斯进行文本分类——python

最近由于公司的一个CASE，用朴素贝叶斯在做一个文本分类。所以拿出来和大家分享一下。
（以下数据：来源于网上天猫商品评论）
1. 爬虫
要进行文本分类，首先要有文本，我在网上爬了点公共的数据，天猫上的商品—某品牌羽绒服的评论数据。
爬虫不是这篇的重点，感兴趣的小伙伴们可以去简书上找找，有很多爬虫的小栗子。
接下来就默认有商品评论数据啦

1. 打标签
   人工打标签，对数据进行分类。对于羽绒服的评论，描述包括“暖和”，“质量好”，“不错”等字眼，均标记为1，其他如“太差了”，“不要买”等字眼，均标记为0.

2. 朴素贝叶斯分类

   第一步，数据处理
   加载数据，利用jieba进行分词，并设置停用词，去掉非汉字

import numpy as np
import jieba
def loadDataSet():
    file=open('train_message.csv').read().strip().split('\n')
    postingList_1=[]
    for i in range(len(file)):
        result=[]
        seg_list = jieba.cut(file[i])
        for w in seg_list:
            result.append(w)
        postingList_1.append(result)

    stopwords =[]
    postingList  = []

    st = open('stopwords.csv').read().strip().split('\n')
    for line in st:
        line = line.strip()
        stopwords.append(line)

    for singletext_result in postingList_1:
        delstopwords_singletx