本发明提出了一种基于机器学习的数据分类方法，包括如下步骤：S11，基于学习数据确定每种数据对应的第一特征词群；S12，根据特征词对学习数据进行分类；S13，判断学习数据的分类是否正确，如果是，至步骤S15；如果否，调整第一特征词群，至步骤S12；S15，基于第一特征词群建立数据分类模型；一种基于机器学习的数据分类设备包括第一特征词群确定模块、第一数据分类模块、判断分类模块、第二特征词群确定模块、建模模块。本发明对文件内容进行切词处理，采用TFIDF算法，算出词的权重，然后计算文件相似度，将同类文件进行聚类。特征词提取。特征词不同于关键字，特征词更具代表性，更适合作为敏感信息，来与其他类加以区分。