如何相应地聚集鲨鱼攻击？

问：

我目前正在从事一个涉及分类的项目。这个项目是关于鲨鱼攻击的，我想将攻击分为以下几类：信息不足、错误攻击、喂食攻击和好奇攻击。我遇到的问题是我使用的是 K-mean，并且分类根据人类活动对其进行分类（我不需要，因为我的数据集上有该列）。如何更改代码以达到我想要的结果？

更多信息是我从pdf报告中提取了鲨鱼攻击。pdf 报告没有可用于所需分类的标签。因此，我正在尝试创建一个分类模型，该模型可以根据上下文将攻击分类为上述类别。

这是我的代码。我必须运行此代码 3 次才能“准确”地对鲨鱼攻击进行分类。 （如果需要，链接到 Google Colab）

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.cluster import KMeans
import pandas as pd

# TfidfVectorizer
from sklearn.feature_extraction.text import TfidfVectorizer
vectorizer = TfidfVectorizer(max_features=10000, stop_words='english') 

# Fit TfidfVectorizer and apply to K-Mean
tfidf_matrix = vectorizer.fit_transform(df_pdftext['s9_rejoin'])
kmeans = KMeans(n_clusters=7, random_state=42)
kmeans.fit(tfidf_matrix3)

# Cluster to df
df_pdftext['cluster_label3'] = kmeans.labels_

# Count # of cluster
print(df_pdftext['cluster_label3'].value_counts())