Utilisation de librairies
Pandas et Numpy
Afin de faciliter le traitement et la manipulation des fichiers csv, l'utilisation de la librairie Pandas est fortement recommandé. Cette librairie est communément utilisé en machine learning. Elle nous permet entre autres de faire appel à des fonctions sur notre dataset pour faciliter la manipulation. On peut, par exemple, vérifier si les valeurs d'une colonne est vide, ou bien d'enlever carrément des colonnes du dataset.  Aussi, numpy nous permet de créer des matrices et de les manipuler, une tâche important lors de la manipulation des données.
Lien vers la documentation de la librairie Pandas : https://pandas.pydata.org/pandas-docs/stable/reference/general_functions.html
Lien vers la documentation de la librairie Numpy : https://docs.scipy.org/doc/numpy/reference/
Classification Naïve Bayésienne avec Scikit-Learn
Au lieu d'implémenter l'algorithme en Python, il est possible de faire de tout faire via des librairies de machine learning, comme Scikit-learn, Tensorflow, PyTorch et Keras.  Libre à vous de choisir quelle librairie utiliser. Par contre, on recommande aux débutants d'utiliser la librairie Scikit-learn puisqu'elle est facile et intuitive à utiliser, et qu'elle supporte plusieurs types de Machine Learning. Cette librairie possède notamment la fonction CountVectorizer(), qui nous est très utile puisque nous allons traiter du texte.
Lien vers la documentation sklearn: https://scikit-learn.org/stable/modules/linear_model.html#ordinary-least-squares