基于 TF-IDF 的文本分类（txtClassify.py）

使用了中文文本数据集，并使用jieba库进行中文分词处理。 data_preprocess()函数用于读取数据和对数据进行预处理，比如去除数字、标点符号、停用词等。 calculate_tfidf()函数用于计算文本的TF-IDF特征。 text_classification_1()函数是一个分类器的训练和评估过程，使用了K近邻、支持向量机、多层感知器等分类器，并使用sklearn库中的相关方法。 text_classification_2()函数与text_classification_1()相似，但使用了sklearn库中的TfidfVectorizer来提取TF-IDF特征。 tfidf_train()函数用于训练TF-IDF特征提取器，并将特征提取器保存到磁盘。 tfidf_test()函数用于加载保存在磁盘上的TF-IDF特征提取器，并使用它来处理测试数据。 svm_grid()函数用于使用网格搜索法寻找最佳的支持向量机模型。 最后，主程序部分调用了以上的函数来完成文本分类任务，并输出了分类结果的准确率、精确度、召回率和F1值的平均值。