机器学习案例：新闻分类

新闻分类是机器学习领域中一个重要的任务，它可以帮助我们自动将大量的新闻文章按照其主题或类别进行分类。在本文中，我们将介绍一个基于机器学习的新闻分类案例，并提供相应的源代码。

首先，我们需要准备用于训练和测试的数据集。可以选择一个包含已经标记好类别的新闻文章的数据集，例如包含不同主题的新闻报道。数据集应该包括文章的文本内容以及对应的类别标签。

接下来，我们将使用自然语言处理（NLP）技术来对新闻文章进行特征提取。常用的方法是使用词袋模型（Bag-of-Words）或者词嵌入（Word Embedding）。在这里，我们将使用TF-IDF（Term Frequency-Inverse Document Frequency）作为特征提取的方法。

下面是一个使用Python的示例代码，展示如何使用sklearn库来进行TF-IDF特征提取：

from sklearn.feature_extraction.text import TfidfVectorizer