前言
请岛民结合昨天和前天的文章一起看，这是个系列！
（前言是大管家自己加的...可任性了呢！）
分类和聚类算法，都是数据挖掘中最常接触到的算法。分类、聚类算法分别有很多种，我们这里暂时不用深究算法细节。关于分类和聚类大家可以上网看到很多介绍的文章。但R中已经有成熟的算法程序包可以直接调用了。
分类和聚类的差异。。。照我的理解
相同点分类算法和聚类算法最后实现的效果是相同的，都是给一个集合划分成几个类别。不同点分类算法是根据已知的确定类别去做划分，所以分类需要训练集，有训练、测试、预测这个过程；聚类算法则未规定类别，它是基于给定集合的里面的内容，根据内容的相似度去给集合划分成指定的几个类（你可以指定划分成多少个类，而不是指定有哪些类），这些相似度的测量就是聚类算法的核心，这个度量标准可以是欧几里得距离、是曼哈顿距离、是切比雪夫距离等等。
它们分别叫做有监督分类和无监督分类，这种说法不是很确切，他们之间是存在差异的。
今天我们主要来看文本聚类
做聚类不需要训练集的，我们就接着之前的处理的分词去做，常用的聚类算法有5种，这里主要给大家介绍1种——系谱聚类
1首先我们载入tm包
2然后代入数据集，转变成矩阵才能进行聚类算法
3接下来就是做聚类了
a. 使用dist()函数计算并返回使用指定的距离测量，计算一个数据矩阵中的行之间的距离，计算距离矩阵。
b. 利用hclust(d, method = "complete", members = NULL)函数用来实现系谱聚类，将之前处理好的矩阵带入，参数method选择默认的值，得到：
c. 我们利用plot()做一下系谱图
>plot(hclustRes)
d. 用cutree()函数对系谱图做剪枝，按聚类结果分5个类别，进行简单的处理之后我们得到
e. 调出数据编辑器，我们就能看清楚哪一句话属于哪一个分类
当然啦，我们这个案例主要是为了让大家理清楚文本挖掘的思路，并没有太大的实际的意义，文本挖掘是数据挖掘工程师面试必问的问题，因为它涉及到的范围很广。其实在代码中还有一种聚类算法，这里我就不给大家解释了!
这几天大家应该也是很烧脑的，but 其实岛主还准备有文本挖掘的Part4—《利用电商用户评论看用户对商品的反馈》。这个实操的部分，我会在下周给大家带到!
岛主小喇叭
希望大家多多关注菜鸟数据岛，这里不仅有实用的技术分享，更有数据分析的应用以及商业思维、商业价值应用干货。当今企业不再需要不懂业务的“马后炮”型、纯技术流数据分析师，而是需要具有商业思维、战略眼光的“企业医生”型分析师。单纯从数据分析推进企业发展的方面，中国还有很大的发展蓝海。在信息化的未来，数据分析思维必将成为基础性需求，成为管理者、运营、产品、市场、IT从业者的必备技能。菜鸟数据岛致力于帮助岛民成为具备娴熟技术、全新商业思维、战略决策视野的数据分析精英。愿我们一起进步，共同成长，毕竟我们的心愿是，让兜里充满钱，让心里充满爱！！！
