我想要用tkinter做一个基于朴素贝叶斯垃圾邮件分类要有导入数据集按钮训练数据集按钮并且最后输入文本能够预测他是否是垃圾邮件我有一个数据集有labels和messages 两个列部分数据如下：labels messages ham Go until jurong point crazy Available only in bugis n great world la e buffet Cine

以下是一个简单的实现示例：

import tkinter as tk
import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB

# 导入数据集
data = pd.read_csv('spam.csv')

# 提取特征
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(data['messages'])
y = data['labels']

# 训练分类器
clf = MultinomialNB()
clf.fit(X, y)

# 创建GUI界面
root = tk.Tk()
root.title('垃圾邮件分类器')

# 添加输入框和按钮
input_text = tk.Entry(root)
input_text.pack()

def classify():
    # 获取输入文本
    text = input_text.get()
    # 转换为特征向量
    X_test = vectorizer.transform([text])
    # 预测分类结果
    prediction = clf.predict(X_test)[0]
    # 在界面上显示结果
    if prediction == 'spam':
        result_label.config(text='垃圾邮件')
    else:
        result_label.config(text='非垃圾邮件')

classify_button = tk.Button(root, text='预测', command=classify)
classify_button.pack()

result_label = tk.Label(root)
result_label.pack()

root.mainloop()

在这个示例中，我们首先使用Pandas库导入数据集，然后使用CountVectorizer将文本转换为特征向量。接着，我们使用MultinomialNB算法训练分类器。

在GUI界面中，我们添加了一个输入框和一个预测按钮。当用户在输入框中输入文本并点击按钮时，程序将使用训练好的分类器将文本分类为垃圾邮件或非垃圾邮件，并在界面上显示结果。

需要注意的是，这个示例只是一个简单的实现，实际应用中可能需要进行更多的特征工程和模型优化