Python 使用Kmeans和TF-IDF获取单词簇

我正在试着把文本单词分类。 假设我有一个文本列表

text=[“WhatsApp延长了‘混乱’的更新期限”，
“印度开始世界上最大规模的新冠病毒疫苗接种活动”，
“尼泊尔登山者通过K2冬季峰会创造历史”]

我在这个数据上实现了TF-IDF

vec=TfidfVectorizer（）
专长=向量拟合变换（文本）

之后，我应用了Kmeans

kmeans=kmeans（n_clusters=num）.fit（专长）

我感到困惑的是，我是如何得到诸如

cluster 0  
WhatsApp, update,biggest   
cluster 1  
history,biggest ,world's   
etc.

---

您可以使用带有预测的类中的

get\u feature\u names（）

方法来检查每个簇中的单词

下面是一个包含两个集群和您提供的三句话的简单示例：

将numpy导入为np
从sklearn.cluster导入KMeans
从sklearn.feature\u extraction.text导入TfidfVectorizer
text=[“WhatsApp延长了‘混乱’的更新期限”，
“印度开始世界上最大规模的新冠病毒疫苗接种活动”，
“尼泊尔登山者通过K2冬季峰会创造历史”]
vec=TfidfVectorizer（）
专长=向量拟合变换（文本）
kmeans=kmeans（2）.fit（专长）
pred=kmeans.predict（专长）
对于范围（2）中的i：
打印（f“Cluster{i}:）
单词=[]
对于np.数组（文本）中的句子[pred==i]：
words+=[fn表示向量中的fn.get_feature_names（），如果fn在句子中]
印刷品（字）

结果:

Cluster #0:
['confusing', 'deadline', 'extends', 'update', 'begins', 'biggest', 'drive', 'vaccine', 'world']
Cluster #1:
['climbers', 'history', 'make', 'summit', 'winter', 'with']

---

我猜你的字符串列表是坏的。有一些“和”，不见了。代码的结果是什么？