打开分享的文件发现里面还有英文，就不用他的了。

分词时import jieba出错了，显示没有jieba这个模块：

由于是头天的晚上出现的这个错误，在网上搜索了一下，发现可以下载jieba库，于是也我打算这样做，但是刚好电脑没电了，于是就没弄。

第二天起来就又搜索了一下这个问题，看了此博主的博客 在jupyter安装jieba出错ModuleNotFoundError: No module named ‘jieba‘的解决办法-CSDN博客 提到的方法5：

 于是我发现这个方法我在头天晚上就试过了，但是出错了

 但是我又按照它的提示，通过python -m pip install --upgrade pip升级pip，但是又出错了

 这里虽然告诉我了错误原因，但我并没有去百度这个错误了。

而是去看没有jieba库的解决办法了，又看到这个博主 python3安装jieba成功，但是导入仍然错误 - 简书 (jianshu.com)

 于是我也就按照他输入了!pip3 install jieba，

 提示有jieba库，不过它既然有这个库为什么会提示我这个错，到现在我已经忘记我为什么会出现这个错误了，好像自己突然就行了。

不过至此我又发现一个问题就是对一封邮件分完词后，会出现把空格也当成词分进去了：

 于是我好奇为什么会这样呢，往上看代码发现，提取的邮件正文内容中并没有把空格全部去：

 于是分词的时候就出现错误了。

现在开始想解决办法，想到我之前看到的一篇文章里有提到他是如何去空格的，看了一下：

 把空格去掉是这种方式，但是又无法下手，于是去chatGPT搜索了一下这个语句：[re.sub('\s+', '', k) for k in mailContent_list]的作用，解释如下：

 发现这个语句的作用是把多个空格替换为单个空格，这跟我去掉所有空格的理念不符啊，于是再结合另一个博主提到的replace(" ","")，所以我想到

[re.sub('\s+', ' ', k) for k in mailContent_list]中' '的这个替换为''：

 发现就把多余的空格去掉了，好耶nice!

但是在操作中我以为改了结果没改，然后又运行一遍发现还是有空格，以为我想错了，检查一遍才发现没去掉。

关于语句：mailContent_list[:3000]的作用我不太会，所以搜索了一下：

第1行代码导入pickle库第3行代码open方法中的'wb'表示文件以二进制形式写入。第4行代码调用pickle.dump方法将python中的对象保存到文件中。

本文作者提供已经完成的分词结果，下载链接: https://pan.baidu.com/s/1bjPgrsXKkovdgbdpzNXOmQ 提取码: x71b 压缩文件cutWords_list.zip下载完成后，其中的文件cutWords_list.pickle解压到代码文件同级目录。

因为之前已经下载过这个文件，并且已经发送到QQ文件助手，所以回到文件助手中去找文件，但是提示文件发送一半，所以我又点了一下接着发送，同时我也在代码运行了

等QQ下载完后，准备复制到目录下，发现已经有了，还是代码运行比较快。

为什么要把分完后的词写入一个文件呢，我猜是分完的词要用到，如果每次用代码现分太麻烦了，所以写入文件后面只调用就可以了。

于37:55开始运行，大概42:50运行完，也差不多六分钟左右，跟博主差不多。

想看一下文件里的内容，于是输出第20000：

 通过与分词结果对比发现好像不太一样，不管了。下面加了一个去掉所有非中文字符：

运行结果如下：

 没有奇怪的字符了。bingo!

 于是再次写入pickle文件，于11:40运行，17:10结束，差不多6分钟。

运行结果如下：

 其实分词这一步我也弄过好多遍了，没什么问题，重要的是下面的。

调用sklearn.feature_extraction.text库的TfidfVectorizer方法实例化模型对象。 TfidfVectorizer方法需要3个参数。 第1个参数是分词结果，数据类型为列表，其中的元素也为列表； 第2个关键字参数min_df是词频低于此值则忽略，数据类型为int或float; 第3个关键字参数max_df是词频高于此值则忽略，数据类型为Int或float。 查看TfidfVectorizer方法的更多参数用法，官方文档链接：http://sklearn.apachecn.org/cn/0.19.0/modules/generated/sklearn.feature_extraction.text.TfidfVectorizer.html

我发现文章在刚开始都很认真，但后面就慢慢不认真了。

“第1行代码调用TfidfVectorizer对象的fit_transform方法获得特征矩阵； 第2行代码打印查看TfidfVectorizer对象的词表大小； 第3行代码查看特征矩阵的形状。”

输出结果为下图：

但是我觉得这个结果好奇怪啊，怎么可能只有44个特征词。于是我去搜了一下tfidf.vocabulary_

博客园中编辑图片想要删除的话，选中之后用delete键删除，backspace键总是跳来跳去，很烦。

我觉得作者对TfidfVectorizer的用法是错误的，正确的应该是上图的样子：

但是我自己生成的cutWords_list中的词格式是['你好','公司',...,]这种，但是方法fit_transform()的参数不能是这种，而是['你好 公司...']这种以空格连接的。那么这种格式怎么做到呢，可以用方法

[' '.join(text) for text in cutWords_list]来做到，即将列表中的元素以空格连接。

 加入这样一段话：cutWords_list = [' '.join(text) for text in cutWords_list]

根据上面的话，下面的语句就不会出错了：

第1行代码导入sklearn.preprocessing库的LabelEncoder类； 第3行代码调用LabelEncoder()实例化标签编码对象； 第4行代码调用标签编码对象的fit_transform方法获取预测目标值。

看到这个代码觉得有些陌生，这个y我好像并没有见过，但是回去看作者的评论可以发现是有的：

这个y_encode的结果就是0，1。

即将A，B，C变成整数0，1，2；那么数字0就表示了类别A。

最后1行代码ndarray对象的round方法表示小数点保留位数。

输出结果为0.9917。

到目前为止已经完全做出来了，作者后面还有一些步骤。

保存模型需要先安装pickle库，安装命令：pip install pickle 调用pickle库的dump方法保存模型，需要2个参数。 第1个参数是保存的对象，可以为任意数据类型，因为有3个模型需要保存，所以下面代码第1个参数是字典。 第2个参数是保存的文件对象，数据类型为_io.BufferedWriter

 就是将save保存。

也可以保存对象：

pickle我要再了解一下。明显可以看到save是一个字典。

 有图中的内容可以了解到存的是对象，可是怎么用呢

 发现一个很便利的方法，由于X，y经常用到，所以我也把他们以pickle的方式导出来了。这样我用其他分类算法的时候就不用再搞了，代码如下：

测试一下也都是成功的：

 但是我对作者生成的allModel不太满意，想换一下。

因为其中的 'labelEncoder' : labelEncoder,'tfidfVectorizer' : tfidf,这两个我觉得并没有什么要存的必要，只存模型就可以了。

所以接下来我按照自己的想法存了：

其中logistic_model是一个对象，好像直接这样写并不行，然后我发现作者是写成了字典的样子，所以我也这样写了：

这样open就没有问题了。

 在pycharm中试一下能不能成功，试了一下也成功了，但有一些奇奇怪怪的提示。

还有一个问题就是库的版本不一样可能就会出现问题，就像有的程序在别人电脑上能运行到自己电脑上就不行了，所以要注意。