本文的参考资料：《Python数据科学手册》；本文的源代上传到了Gitee上；本文用到的包：%matplotlib inlineimport numpy as npimport pandas as pdimport seaborn as snsimport matplotlib.pyplot as pltfrom sklearn.pipeline import make_pipelinefrom

【Python】使用朴素贝叶斯分类对B站评论进行分析参考资料：《Python数据科学手册》数据来源：B站观察者网、观视频工作室、央视新闻、小央视频、环球网、环球时报2020年1月到5月所有与新冠疫情相关的投稿视频的弹幕与评论，爬取视频共计13902个，爬取弹幕共计825869条，爬取评论共计16901540条。算法的选择朴素贝叶斯分类是一种常用的有监督机器学习算法，我使用的是scikit-lear

机器学习机器学习可以分为有监督的学习和无监督的学习，有监督的学习指的是在数据的若干特征和对应的标签之间的关系，根据标签是离散值还是连续值，有监督的学习可以进一步被分为分类任务与回归任务；无监督的学习是对不带任何标签的数据进行建模，是一种“让数据自己介绍自己”的过程，无监督的学习可以被进一步分为聚类与降维任务，聚类算法可以自动将数据分为不同的组别，降维算法可以让我们用更少的特征来表示数据；如果要使用