如何使用python中的機器學習來聚類不同的字符串

Question

我有一個數據集，它由建立names.eg {Hill View，Hills View，Hill Apartment ...}組成，我想使用機器學習對這些字符串進行聚類。聚類後​​，一個簇應該包含類似或有點類似的字符串{Hills，Hill ...}。我嘗試過各種scikit算法，如K-means，Affinity Propagation等，但沒有成功。善良的幫助。

Answer 1

機器學習並不神奇！ 它使用數學對象和函數。

你需要的第一個步驟 - 通常稱爲數據挖掘 - 哪種在於：

• 將任何輸入（字符串，圖片，視頻，什麼...），以 號（向量，矩陣或任何相關結構）。 （=輸入數字表示之間的距離〜=字符串，圖片，視頻之間的距離，任何東西）之間的距離和相似度。

這不是微不足道的，根據您的數據/目標可以採取不同的方式。

因爲我不知道你在CS/ML/Maths中的背景，所以我可以給你一個一般的方法，在一般情況下，它是相當好/容易的。

這是一般的言論，在實踐中，這個問題很複雜，並且有很多東西需要學習。 你很可能需要編輯距離這是詞之間最直觀的距離，你也應該考慮詞幹哪個。

如果沒有關於數據/上下文的更多信息，無法給出更好的瀏覽器。

問候

Answer 2

明白了： 請點擊此鏈接文本聚類： http://brandonrose.org/clustering ，你有名稱的列表，它給出了一個確切的精確description.In爲了將其轉換成正常的字符串集羣（串）只是通過列表代替解釋中傳遞的標題列表。也可以將示例中的每個出現的提要列表替換爲要加入的列表（在此情況下包含要加入的字符串的列表）

你可以跳過一些片段，因爲它們提供了額外的信息該代碼不會傷害你最終的集羣。