基于概率论的分类方法：朴素贝叶斯

        其实朴素贝叶斯分类用一个区分是否是侮辱性句子的应用来说就是：

                我们先通过训练集来算出 当句子是侮辱性句子时，单词（要计算很多个单词）出现的概率W，然后通过概率W来预测测试句子是否是侮辱性句子。

使用朴素贝叶斯进行文档分类：以社区的留言板为例，运用朴素贝叶斯算法，对文本自动分类是否是侮辱性句子

    一,准备数据

            1.生成测试集包括一个文本矩阵，和一个人工标注的是否是侮辱性句子的一维矩阵。

            这里省去了如何将文本转化为下列格式的步骤，为了方便后面的测试，这里直接用函数生成了一个已经数据清洗好的测试集。

def loadDataSet():
        postingList=[['my','dog','has','flea','problems','help','please'],
                     ['maybe','not','take', 'him', 'to', 'dog', 'park', 'stupid'],
                     ['my', 'dalmation', 'is', 'so', 'cute', 'I', 'love', 'him'],
                     ['stop', 'posting', 'stupid', 'worthless', 'garbage'],
                     ['mr', 'licks', 'ate', 'my', 'steak', 'how', 'to', 'stop', 'him'],
                     ['quit', 'buying', 'worthless', 'dog', 'food', 'stupid']]
        classVec=[0,1,0,1,0,1]  #0代表正常言论，1代表侮辱性句子
        return postingList,classVec

            2.生成词汇表

def createVocablist(dataSet):   #生成一个包含所有不重复单词的列表，
    vocabSet=set([])    #创建一个空集
    for document