欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍，看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解，真心想把自己近十年的编程经验分享给大家，希望对您有所帮助，文章中不足之处也请海涵。Python系列整体框架包括基础语法10篇、网络爬虫30篇、可视化分析10篇、机器学习20篇、大数据分析20篇、图像识别30篇、人工智能40篇、Python安全20篇、其他技巧10篇。您的关注、点赞和转发就是对秀璋最大的支持，知识无价人有情，希望我们都能在人生路上开心快乐、共同成长。

前一篇文章讲述了分类算法的原理知识级案例，包括决策树、KNN、SVM，并通过详细的分类对比实验和可视化边界分析与大家总结。本文将详细讲解数据预处理、Jieba分词和文本聚类知识，这篇文章可以说是文本挖掘和自然语言处理的入门文章。两万字基础文章，希望对您有所帮助。

文章目录

• 一.数据预处理概述
• 二.中文分词
• • 1.中文分词技术
  • 2.Jieba中文分词用法
• 三.数据清洗
• • 1.数据清洗概述
  • 2.中文语料清洗
• 四.特征提取及向量空间模型
• • 1.特征规约
  • 2.向量空间模型
  • 3.余弦相似度计算
• 五.权重计算
• • 1.常用权重计算方法
  • 2.TF-IDF
  • 3.Sklearn计算TF-IDF
• 六.文本聚类
• 七.总结