在Sklearn机器学习中，有没有方法可以在没有目标标签的情况下对文本进行分类？

Question

我想知道是否有任何方法可以根据文本中的单词，使用Python和Sklearn机器学习将文本数据分类为不同的组/类别？在

例如：

text = [["request approval for access", "request approval to enter premises", "Laptop not working"], ["completed bw table loading"]]

那么我能得到如下分类：

^{pr2}$

在哪里

      0 = approval request
      2 = laptop working
      1 = bw table

基本上，上述情况意味着没有标记的训练数据或目标标签。在

Answer 1

这在Scikit-Learn和{a2}中都很容易实现。在

您列出的功能：

0 = approval request
2 = laptop working
1 = bw table

并不是一个聚类算法自然会选择的，值得提醒你不要有可能的错误，模糊你的统计学习算法与启发式。我建议您首先尝试一些集群和分类，然后考虑使用semi-supervised learning methods来标记集群并传播这些标签。在

Answer 2

@用户1452759

您的问题比一般的机器学习更具体，您应该使用NLTK包而不是sklearn包。看看用nltk http://www.nltk.org/book/ch06.html对文本进行分类

Answer 3

您可以尝试一种聚类方法，但不能保证您得到的聚类将与您想要的类别相对应，因为您没有清楚地解释您想要的算法。在

我要做的是手动标记一些数据（标记300个样本需要多长时间？）并在此基础上进行训练，以便您的算法能够学习与每个类相关的单词。在

如果这是不可能的，那么最好的办法就是计算一个样本和每个类描述之间的余弦相似性，对它们进行排序，然后分配最接近的类。但在我看来，当你完成这段代码时，你可以手动标记一些样本，并训练出一个精度更高的标准算法。在