python实现高斯混合模型的文本聚类

Python可以使用scikit-learn库来实现高斯混合模型（Gaussian Mixture Model，GMM）的文本聚类。下面是一个简单的步骤：

1. 导入所需的库：

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.mixture import GaussianMixture

2. 准备文本数据并进行特征提取：

# 假设有一个文本列表texts，每个元素是一个字符串表示的文本
vectorizer = TfidfVectorizer()
X = vectorizer.fit_transform(texts)

3. 构建GMM模型并进行聚类：

# 假设要聚类成k个类别
k = 3
gmm = GaussianMixture(n_components=k)
gmm.fit(X.toarray())
labels = gmm.predict(X.toarray())

4. 输出聚类结果：

for i in range(k):
    cluster_texts = [texts[j] for j in range(len(texts)) if labels[j] == i]
    print(f"Cluster {i+1}:")
    for text in cluster_texts:
        print(text)
    print()

这样就可以实现基于GMM的文本聚类了。