文本分类，包括预处理

Question

如果时间不是一个因素，哪个是文档分类的最佳方法，我们不知道有多少个类？

Answer 1

在我的（不完整）知识中，如果你不知道有多少类，那么分层聚合聚类是最好的方法。所有其他聚类算法要么需要事先知道桶的数量，要么需要某种交叉验证或其他实验来确定合理数量的桶。

Answer 2

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