高利润意味着高风险,因此研究投资哪一只的互联网行业股票对投资者来说是非常重要的一个问题。本文最终目的在于对互联网行业股票进行有效聚类并为投资者的投资决策提供依据。基于此,本文获取了互联网行业股票的主要影响因素数据,并且采用了与张文明对文本聚类时对k-means聚类算法的改进相似的方法和原理,使其能适用于对互联网行业股票数据进行分析、挑选得出结论与建议。从而帮助投资者选择最为适合的互联网行业股票。k-means算法是一个基于距离的聚类算法中的典型算法,该算法有操作简单、应用广泛、对大数据集的处理上有较高的可压缩性和伸缩性的优点。但是该算法还存在着一些局限,由于k-means聚类算法选取的初始聚类中心是随机的,这导致算法极其不稳定,只能达到局部最优。本文深入的分析与研究了张文明提出的一种基于密度和最近邻结合的k-means聚类算法。这样改进的算法有效的提高了算法稳定性和效率,减少了算法开销。改进的基本思想可以简单概括为先分析数据集的密度,根据人工给定的阈值去除噪声和异常值,再在由密度计算得出的初始聚类中心的基础上利用最近邻确定改进算法的初始聚类中心。用iris数据集测试了这两种方法,通过SSE和Sil这两个评价指标来评价两种算法的聚类效果,结果显示综合算法的聚类效果比传统k-means聚类算法要好得多。在对数据进行清理,标准化,和KMO检验后,通过因子分析提取了前面5个公共因子,并分别命名为市场因子、潜力因子、盈利因子、评价因子、风险因子。互联网行业股票通过综合算法可以分为四类,分别是:需要谨慎持有的具有一定投资价值的第一类股票、无投资价值的第二类股票、投资价值低的第三类股票、具有高投资价值的第四类股票。