曾记否？的博客

K-均值聚类算法简介K-均值是发现给定数据集的k个簇的算法。簇个数k是用户给定的，每一个簇通过其质心(centroid) , 即簇中所有点的中心来描述。工作流程首先，随机确定k个初始点作为质心。然后将数据集中的每个点分配到一个簇中，具体来讲，为每个点找距其最近的质心，并将其分配给该质心所对应的簇。这一步完成之后，每个簇的质心更新为该簇所有点的平均值。上述过程的伪代码表示如下：创建k个点...

中文文本聚类主要有以下几个步骤：切词去除停用词构建词袋空间VSM(vector space model)TF-IDF构建词权重使用K-means算法参考博客使用scikit-learn进行KMeans文本聚类，按照以下步骤简单进行了文本聚类：使用jieba结巴分词Github对文本进行中文分词使用scikit-learn的TfidfVectorizer把原始文本转化为TF-I...