利用十大经典机器学习算法之一的KNN（K近邻）算法，实现文本自动聚类。

python 文本聚类分析案例说明摘要1、结巴分词2、去除停用词3、生成tfidf矩阵4、K-means聚类5、获取主题词 / 主题词团 说明 实验要求：对若干条文本进行聚类分析，最终得到几个主题词团。 实验思路：将数据进行预处理之后，先进行结巴分词、去除停用词，然后把文档生成tfidf矩阵，再通过K-means聚类，最后得到几个类的主题词。 实验说明：如何用爬虫获取数据可以参考其他博客，这里我们直接用一个周杰伦的歌词文本为例进行分析，把28条歌词聚成3个类。 摘要 实验源数据放在文件sourceData中，中间文件放在resultData中。 源文件： 结果： 1、结巴分词 直接上代码，

文本聚类算法 二次开发

对文本进行聚类，文本预处理-->构造特征向量-->聚类，压缩包内含有实验用语料

西电数据挖掘作业之决策树和文本聚类，

对文本进行聚类，文本预处理-->构造特征向量-->聚类，压缩包内含有实验用语料亲测可用， 谢谢支持。

对文本进行聚类，文本预处理-->构造特征向量-->聚类，压缩包内含有实验用语料

本数据集是用于文本聚类的中文文本数据，数据集不大属于小型数据集，主要是为了验证本人在博客上写的代码，拿到立马就可使用实现可参考本人的博客

Java编写的k-means文本聚类算法，lib文件中有IK-analysis的jar包，需要自己先导入到工程中，准确率能达到90%多，用于学习机器学习，可以运行

基于K均值的文本聚类分析 文本聚类 基于K均值的文本聚类分析 K均值 文本聚类