使用sklearn实现朴素贝叶斯文本分类

本文使用的python版本为3.4。
使用前需要安装numpy、matplotlib、scipy和scikitlearn，建议直接下载后安装，下载地址为：python包，选择相应的版本下载，注意不要使用最新的python3.5版本，其对scipy的兼容性不稳定，安装容易失败。
此外还用到了结巴分词、joblib等python包，可以直接通过pip安装。

本文源代码及文本数据集下载地址：https://yunpan.cn/cBNAWRhmttart （提取码：d41a）

python源码及处理逻辑如下：

# -*- coding:utf-8 -*- 
'''
Created on 2016年6月25日

@author: lenovo
'''
from sklearn.naive_bayes import MultinomialNB
from sklearn.feature_extraction.text import TfidfVectorizer
import os
import re
import random
import jieba
import joblib
from tokenize import Ignore
class NBclassifier():
    def __init__(self,clf_path=None,vec_path=None):
        '''
        创建对象时完成的初始化工作，判断分类器与vector路径是否为空，
        若为空则创建新的分类器与vector，否则直接加载已经持久化的分类器与vector。
        '''
        if (clf_path==None or vec_path==