也许你没有正面和负面的班级。您的输入是词向量。除非您之前使用明确的正面和负面标签训练您的词向量，否则您的 KMeans 不太可能了解这种差异。

如果您使用预训练的词向量，您的 KMeans 可能会学习集群 0 和集群 1 之间的任意差异。也许它知道哪些评论来自男性，哪些来自女性，可能哪些有“降落伞”这个词，哪些没有有了“降落伞”这个词，选择就无穷无尽。

您可以做的是访问您的 KMeans 学习的标签 ( model.labels_) 并过滤X每个集群的输入。然后，计算每个集群中每个单词的出现次数，并排序每个单词中出现次数最多的单词。这可能有助于您了解集群 0 和集群 1 之间的区别。

注意：如果您得到的最常见的词是：a、the、of、if 等。请使用停用词列表，或使用最大文档频率阈值过滤这些词。

NLTK 有一个情感模块。您可以尝试检查集群中每个文本的正负统计。