手写朴素贝叶斯垃圾邮件检测模型时触发IndexError索引越界错误

错误触发位置明确是函数内的行索引操作：
likelihood[label]=term_document_matrix[index, :].sum(axis=0) + smoothing
提示索引1499越界，核心问题是传入的label_index字典里，对应标签的value不是term_document_matrix（scipy稀疏格式的词项文档矩阵）的有效行索引集合，本质是传入的索引值和矩阵的实际范围不匹配，这个场景下最常见的两种错误写法：

• 构造label_index逻辑错误：这个字典本来需要存每个类别对应的所有样本行号列表，比如{'spam': [0,2,3,...所有垃圾邮件样本的行位置], 'ham': [1,4,6,...所有正常邮件样本的行位置]}，但你错误把类别对应的样本总数（比如垃圾邮件共1499条）作为值存了进去，直接拿单个整数1499去索引行。矩阵行号从0开始计数，如果总样本量刚好是1499，最大有效行号是1498，自然越界。
• 索引和矩阵未对齐：如果你提前做了训练集、测试集拆分，传入的term_docs是拆分后的训练集词矩阵（行数等于训练集样本数），但构造label_index时用的是拆分前全量数据的行号，没有随子集重置索引，就会出现索引值大于训练集矩阵最大行号的问题。

按以下步骤调整即可：

1. 修正label_index的构造逻辑，确保每个标签对应的值是该类别在当前词矩阵中的行索引数组，参考正确写法：

# 假设labels是和term_document_matrix行顺序一一对应的标签数组，和矩阵行的顺序必须完全对应
label_index = {}
for unique_label in np.unique(labels):
    # 取出该类别所有样本对应的行位置，存为数组，不是单个数值
    label_index[unique_label] = np.where(labels == unique_label)[0]

2. 调用似然计算函数前增加简单校验，提前确认索引没有越界：

# 词矩阵的shape[0]就是总行数，有效索引范围是0到总行数-1
for lab, idx_list in label_index.items():
    assert idx_list.max() < term_docs.shape[0], f"类别{lab}存在超出矩阵范围的无效索引"

你原函数里的加平滑、计数归一化转概率的逻辑本身没有问题，只要传入的行索引有效，就能正常输出每个类别的特征条件概率。

内容的提问来源于stack exchange，提问作者Sukhman