文本挖掘tmSVM开源项目集成libSVM和liblinear包含Python和Java两种版本带PDF源码参考文档 简介 文本挖掘无论在学术界还是在工业界都有很广泛的应用场景。而文本分类是文本挖掘中一个非常重要的手段与技术。现有的分类技术都已经非常成熟，SVM、KNN、Decision Tree、AN、NB在不同的应用中都展示出较好的效果，前人也在将这些分类算法应用于文本分类中做出许多出色的工作。但在实际的商业应用中，仍然有很多问题没有很好的解决，比如文本分类中的高维性和稀疏性、类别的不平衡

主要为大家详细介绍了python使用knn实现特征向量分类，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

这是一个使用knn把特征向量进行分类的demo。 Knn算法的思想简单说就是：看输入的sample点周围的k个点都属于哪个类，哪个类的点最多，就把sample归为哪个类。也就是说，训练集是一些已经被手动打好标签的数据，knn会根据你打好的标签来挖掘同类对象的相似点，从而推算sample的标签。 Knn算法的准确度受k影响较大，可能需要写个循环试一下选出针对不同数据集的最优的k。 至于如何拿到特征向量，可以参考之前的博文。 代码： #-*- coding: utf-8 -*- __author_