题目内容

在自动化社区内容审核中，我们需要对用户的英文留言进行快速倾向判断，以区分其整体态度是积极（记为 1）还是消极（记为 0）。请你实现一个完整的文本分类流程，仅允许使用 numpy、pandas 和 scikit-learn 三个库。

具体步骤如下：

1. 文本清洗：将所有留言文本转为小写，并移除多余空白——去掉首尾空白，并将内部连续空白字符压缩为单个空格。

2. 特征抽取：

   • 使用 CountVectorizer 参数 ngram_range=(1,2)，min_df=1，token_pattern=r'(?u)\b\w+\b' 对清洗后的文本构建词袋计数特征。
   • 再用 TfidfTransformer 将计数特征转换为 TF-IDF 表示。