假设我有一整套文本格式的食谱，事先对它们一无所知。我必须将这些数据分为“烘焙食品食谱”和“其他食谱”。

对于烘焙食品，食谱中的一个片段可能是这样的：

“将面粉加入搅拌碗中，然后加入两个打好的鸡蛋、一撮盐和发酵粉……”

这些食谱由不同的作者撰写，因此语言和词汇不一致。我需要一个算法，或者更好的是一个现有的机器学习库（实现语言不重要），我可以“教”它区分这两种类型的食谱。

例如，我可以提供一组我知道是烘焙食品的食谱，它可以分析这些食谱，以便获得判断新食谱是否属于此类别的能力。

得到正确答案并不关键，但应该相当可靠。经过研究这个问题，我清楚地意识到我的AI/ML词汇还不够丰富，无法让我进一步细化搜索。

有谁能建议一些库、工具甚至是概念/算法，让我能够解决这个问题？

回答：

你寻找的是异常/离群值检测。

在你的例子中，“烘焙食品”是你感兴趣的数据，任何看起来不像你之前见过的（不是烘焙食品）的都是异常/离群值。

scikit learn 有一些用于此目的的方法。另一种常见的方法是计算数据点之间的平均距离，然后任何新的数据点如果距离大于平均值 + c*标准差，就被认为是离群值。

还有更复杂的方法存在。