cluster-analysis - 文本分类，包括预处理

Question

如果时间不是一个因素，并且我们不知道有多少类，那么哪种是文档分类的最佳方法？

Answer 1

在我（不完整的）知识中，如果您不知道有多少类，分层凝聚聚类是最好的方法。所有其他聚类算法要么需要先验知识桶的数量，要么需要某种交叉验证或其他实验来确定合理的桶数。

Answer 2

交叉链接：请参阅SO 上的 how-do-i-determine-k-when-using-k-means-clustering。