使用K-means算法对文档进行聚类

||

已邀请:

3 个回复

我假设您的困难在于创建特征向量？通过以下方式为每个文档创建特征向量收集所有单词以形成一个巨大的向量将向量的元素设置为项数。例如，如果您有

Document 1 = the quick brown fox jumped over the brown dog
Document 2 = the brown cows eat hippo meat

然后，单词的总集合是[the，quick，brown，fox，jumped，over，the，dog，cows，eat，hippo，meat]，文档向量是

Document 1 = [1,1,2,1,1,1,1,1,0,0,0,0]
Document 2 = [1,0,1,0,0,0,0,0,1,1,1,1]

现在，您只有两个巨大的特征向量，可以用来表示文档，并且可以使用k-means聚类。正如其他人所说，欧几里得距离可以用来计算文档之间的距离。

有各种距离功能。一种是欧几里得距离。

您可以将欧几里德距离公式用于n维系统。

sqrt((x1-x2)^2 + (y1-y2)^2 + (z1 - z2)^2 ... )

要回复问题请先登录或注册