python Kmeans文本聚类

K-means是一种常用的聚类算法，用于将数据集划分为K个不同的簇。在文本聚类中，K-means算法可以用于将文本数据集划分为K个不同的主题或类别。

Python中有多个库可以用于实现K-means文本聚类，其中最常用的是scikit-learn库。下面是一个简单的示例代码，演示如何使用scikit-learn库进行K-means文本聚类：

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

# 假设我们有一个包含文本数据的列表
documents = [
    "This is the first document.",
    "This document is the second document.",
    "And this is the third one.",
    "Is this the first document?"
]

# 将文本数据转换为TF-IDF特征向量
vectorizer = TfidfVectorizer()
X = vectorizer.fit_transform(documents)

# 使用K-means算法进行聚类
 = 2  # 设置聚类的簇数
kmeans = KMeans(n_clusters=k)
kmeans.fit(X)

# 输出每个文本所属的簇
for i, label in enumerate(kmeans.labels_):
    print(f"Document {i+1}: Cluster {label+1}")

# 输出每个簇的中心点（代表性文本）
for i, center in enumerate(kmeans.cluster_centers_):
    print(f"Cluster {i+1} Center: {vectorizer.inverse_transform(center)}")

上述代码首先使用TfidfVectorizer将文本数据转换为TF-IDF特征向量，然后使用KMeans进行聚类。最后，输出每个文本所属的簇以及每个簇的中心点（代表性文本）。