绝对要清洗！而且是所有待分类的数据都得跟训练数据用完全一样的清洗流程——这其实是机器学习里一个很关键的「数据一致性」原则，我来给你掰扯清楚：

• 你的Naive-Bayes模型是基于清洗后的数据训练出来的，它学的是「清洗后的词与情感之间的关联」。比如训练时你去掉了停用词、特定标点，那模型根本没接触过原始句子里的标点或停用词，完全不知道这些东西代表什么。如果直接把带标点的句子丢进去，模型会把这些标点当成陌生的“特征”，反而干扰分类结果。
• 拿你举的例子来说："I love CrossValidated; it is my favourite site!"，训练时你肯定会把分号、感叹号删掉，还可能把"is"、"my"这类停用词去掉，最终处理成类似["love", "CrossValidated", "favourite", "site"]的形式。那预测时也必须做一模一样的操作，否则模型看到";"、"is"这些它没学过的元素，直接就懵圈了，大概率给出错误的分类结果。
• 不光是大的清洗步骤要一致，连细节都得对齐：比如训练时用的是哪个停用词表，预测时就得用同一个；训练时把所有词转成了小写，预测时也得把新句子转成小写。这些细节没做好，模型性能会掉得特别厉害。

简单总结：训练数据怎么洗，待分类的数据就怎么洗——一步都不能少，一步都不能变。这是保证模型预测准确的基础操作。

内容的提问来源于stack exchange，提问作者turnip