BagOfWords：
1. 见上一篇jieba分词。
2. 见上篇，读取分词后文件
3. 统计词频并表示成向量：
sklearn工具包方法：
from sklearn.feature_extraction.text import CountVectorizer as cv bows = cv(min_df=2,max_df =10) #词频两次以上，最多10次
中文信息处理&机器学习-Kmeans实践
原文：http://www.cnblogs.com/250apples/p/5609965.html
