利用TFIDF策略和朴素贝叶斯算法进行中文文本分类

之前做了一个简单的中文文本分类系统，采用的是朴素贝叶斯的算法，现在回顾一下并详细给出每一个步骤。若有源代码需求，请移步 https://github.com/chenfei0328/BayesProject

一、文本预处理

1.格式问题，比如删空格，删换行符等。
2.jieba分词 https://github.com/fxsjy/jieba

二、建立向量空间模型

1.加载训练集，每一篇文档作为一行数据，n篇文档则有n维。

2.生成词典，把训练集中每一个出现过的词添加到词典中，同时删除存在于停用词表（比如“的”）中的词。

3.建立tf-idf模型。
算法原理：

实例：
词典=【我，是，中国，人，啊】
文本1=【我，是，人】
文本2=【中国，人࿰