调用sklearn的NB模型来实现文章分类

在上一篇文章里面，我自己手写了一个朴素贝叶斯算法（NB），进行了训练和验证，并且通过在网上随便找一篇文章进行测试，能够正确得到文章类型结果。这篇文章中，我打算采用sklearn库，直接调用NB模型进行训练和预测。

1、首先加载sklearn的库；train_test_split--对数据进行分割，分成训练集和测试集。TfidfVectorizer--生成文章单词的TFIDF矩阵。MultinomialNB--sklearn的NB模型。

from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import MultinomialNB
from sklearn.feature_extraction.text import TfidfVectorizer

 其次，准备数据集，读取分词后的文章数据集，加载列表words和label中，通过train_test_split按照4:1的比例进行切分。

接下来，对切分好的训练集进行向量化，使用TfidfVectorizer，求出文章单词的tfidf，构建单词向量。然后通过MultinomialNB模型对训练集的向量数据进行训练，并且保存TfidfVectorizer和MultinomialNB模型。

最后，读取测试集中的文章数据，通过TfidfVectorizer模型，进行测试集向量化，放入MultinomialNB模型中进行预测。

2、同样，拿出上篇文章中测试用例，通过建立好的模型进行预测，看下这篇新闻文章归属于哪类。

在pycharm远程运行下得到预测结果属于“娱乐”类。