我有成千上萬(wàn)這樣的元素：[ "business_id_a", [ "Food", "Restaurant","Wine & Pizza"] ] [ "business_id_b", ["Mexican", "Burgers", "Gastropubs & Wine" ] ]... [ "business_id_k", ["Automotive", "Delivery","Whatever"] ]我想使用 k-means 按類(lèi)別分組主題來(lái)對(duì) business_id 進(jìn)行聚類(lèi)。也許這不是最好的選擇。我的想法是創(chuàng)建一種類(lèi)別詞典，首先以任何方式對(duì)所有可能的類(lèi)別進(jìn)行分組，然后使用該模型，將樣本按類(lèi)別集群分組為 business_id 組。這行得通嗎？在 Python 中哪種方法最好？
1 回答
慕標(biāo)5832272
TA貢獻(xiàn)1966條經(jīng)驗(yàn) 獲得超4個(gè)贊
最好的選擇是首先對(duì)文本進(jìn)行標(biāo)記化和矢量化。您可以使用 NLTK 的單詞標(biāo)記器進(jìn)行標(biāo)記化https://www.nltk.org/api/nltk.tokenize.html
然后你可以使用 sklearn 的 CountVectorizer 或 TFIDFVectorizer 之類(lèi)的東西進(jìn)行矢量化
從那里，你可以應(yīng)用 k-means
添加回答
舉報(bào)
0/150
提交
取消