【发布时间】：2013-07-19 15:42:38
【问题描述】：
用于聚类文本文档的文档的其他特征表示是什么？我知道的唯一表示是 tf-idf。还有其他的吗？
【问题讨论】：
-
这道题不是编程题，比如Cross Validated 更适合。
标签： machine-learning cluster-analysis information-retrieval
【发布时间】：2013-07-19 15:42:38
【问题描述】：
不是真正的加权（或它的极端版本），但我注意到修剪频繁特征使得使用 k-means 的文档聚类更加稳定：例如，您可以尝试修剪所有非零特征 50%的文件或更多。
【讨论】：
-
没看懂你的意思，可以举个例子吗？
-
计算每个特征的文档频率（就像计算 TF-IDF 的 IDF 一样）并使用
df > 0.5清零或删除所有特征。