k-means的情感聚类

K-means算法可以用于情感聚类，即将文本数据分成具有相似情感的不同簇。以下是使用Python中的scikit-learn库进行情感聚类的示例代码：

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.cluster import KMeans

# 创建TF-IDF向量化器
vectorizer = TfidfVectorizer(stop_words='english')

# 准备文本数据
text_data = ["I love Python", "Python is a great language", "Java and Python are both useful", "Python is popular for machine learning"]

# 将文本数据向量化
tf_idf = vectorizer.fit_transform(text_data)

# 使用K-means算法进行聚类
kmeans = KMeans(n_clusters=2, random_state=0).fit(tf_idf)

# 输出每个文本所属的簇
for i, cluster in enumerate(kmeans.labels_):
    print("Text: {}, Cluster: {}".format(text_data[i], cluster))

在上面的示例中，我们首先使用TfidfVectorizer将文本数据向量化，然后使用K-means算法将文本数据分成两个不同的簇。最后，我们输出每个文本所属的簇。