我有1000篇与科学技术相关的新闻文章。我需要训练一个分类器来预测每篇文章在三个领域（计算机科学、电子学、电气工程）的置信度得分。每篇文章在每个领域的得分代表它属于该领域的程度。置信度得分是一个介于0和1之间的数值。
但数据集没有训练标签。
我该如何继续？需要什么样的数据？我如何训练这样的模型？
回答：
因此，这不是一个分类问题。只要你没有任何标签，这就属于无监督学习。
你可以尝试使用K-Means（一种无监督机器学习算法），它允许你将数据聚类到预定义的簇数（这里是3个）：
https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#sklearn.cluster.KMeans
但是，你将无法验证“真实情况”。
如果你真的想更进一步，可以尝试自己标记这些文章（比如标记为计算机科学、电子学和电气工程），然后尝试一些有监督的算法（使用scikit-learn）或神经网络（使用tensorflow）。
思路是将你的输入数据向量化（你可以看看TF-IDF），然后尝试任何有监督的模型。
这被称为自然语言处理。你还有一些库可以帮助你完成这项工作。
NLTK和Spacy是一个不错的开始：
