近年来,随着计算机技术日新月异的发展,以及人们对科技改变生活的急迫需求,使得人工智能强势崛起。针对青少年的STEM教育热点也已经从基础的编程教育,转移到了更有时代感的AI教育。如何让青少年高效且轻松的学习AI编程是现代AI教育亟需解决的问题。现有的机器学习教育平台MLFK使得任何年龄的孩子都可以直观地训练自己的机器模型,并允许在自己的Scratch程序中进行使用。但是其训练过程过于透明,用户无法真正体会和学习到机器学习训练的整个过程。针对以上问题,本课题设计了针对青少年的在线机器学习平台,并对文本分类子系统进行了研究。论文首先回顾了 AI的发展历程,并对其在机器学习教育平台上的应用进行了回顾,同时对国内外的发展情况做了总结。然后,针对青少年在线机器学习平台文本分类子系统设计了算法交互学习功能和针对中文文本分类的最佳算法自动预测功能。特别是针对最佳算法自动预测功能,提出了基于数据集文本特征的算法自适应模型。针对该模型,首先设计了中文文本数据集的特征和特征提取方法,并应用KNN算法进行训练得到可以自动预测最佳算法的自适应模型;针对自适应模型又提出了基于加权簇的KNN算法增量训练模式,实现了自适应模型的增量训练。针对用户数据集不足的情况,提出了基于标签相似度的数据增强模式,实现了对用户原始数据集的增强,进一步提高用户所训练模型的效果。基于上述设计和理论研究成果,本文对青少年在线机器学习平台文本分类子系统的各个模块进行了设计、实现和功能、性能的测试,并与传统的算法进行了对比。实验结果表明,本文所提出的基于加权簇的KNN算法和基于标签相似度的数据增强模式有效地提高了用户模型训练的效率和效果。本文就最佳算法选取在多个方面提出了新的实现思路,提高了机器学习模型效果并解决了最佳算法选取效率低下的问题。