原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
俗话说“外行看热闹，内行看门道“，机器学习的门外汉，
刚研究python机器学习scikit-learn两周时间，虽然下面这可
能对于那些专研算法或机器学习的人来说非常简单，但对于一些
的同学和还是非常有帮助的。如果文章中有错误或不足之处，
还请你微微一笑，原谅之；当然也非常欢迎你提出建议或指正~
基本步骤包括：
1.使用python+selenium分析dom结构爬取|互动百科
文本信息；
2.使用jieba结巴分词对文本进行中文分词，同时字典关
于；
3.scikit-learn对文本内容进行tfidf计算并构造N*M矩阵(N
个文档M个特征词)；
4.再使用K-means进行文本聚类(省略特征词过来降维过程);
5.最后对聚类的结果进行简单的文本处理，按类簇归类，也可
以计算P/R/F特征值；
6.总结这篇及K-means的缺点及知识图谱的一些内容。
当然这只是一篇最最基础的文章，更高深的分类、聚类、LDA、
SVM、随机森林等内容，自己以后慢慢学习吧！这篇作为笔记，
路漫漫其修远兮，fighting~
俗话说“外行看热闹，内行看门道”，机器学习的门外汉，
刚研究python机器学习scikit‑learn几个时间，虽然下面那些看似程序
可以的，对于那些专研文章算法或者机器学习的人来说非常简单，但
是对于一些的同学和还是很有帮助的。如果有错误或不足
之处，还请微微一笑，原谅之；当然也非常欢迎你提出建议或指正~
步骤基本包括：
1.使用python+selenium分析dom结构爬取|交互百科文
本信息；
2.使用结巴分词对文本进行中文分词，同时字典关于关键
词；
3.scikit‑learn对文本内容进行tfidf计算并构造N*M矩阵(N个文
档M个特征词);
4.再使用K‑means进行文本东京(简洁特征词过来降维过程);
5.最后对咳嗽的结果进行简单的文本处理，按类别聚类，也可计
算P/R/F特征值；
6.总结本文及K‑means的缺点及知识图谱的一些内容。
当然这只是一篇最基础的文章，更高深的分类、奥迪、LDA、SVM、
随机森林等内容，自己以后慢慢学习吧！这篇作为笔记，路漫漫
其修远兮，战斗~
一.爬虫实现
爬虫主要通过Python+Selenium+Phantomjs实现，爬取百科
和互动百科旅游景点信息，其中爬取百科代码如下。
参文：[Python爬虫]Selenium获取百科旅游景点的
InfoBox消息盒
实现原理：
首先从Tourist_spots_5A_BD.txt中景点信息，然后通过调用无
文档评论（0）