StarPrayers.的博客

K-means是一种高效的无监督聚类算法，通过迭代优化将数据划分为K个簇。其核心步骤包括：随机初始化簇中心、计算数据点到簇中心的距离并分配簇、更新簇中心位置，直至收敛。算法最小化簇内平方和(SSE)作为优化目标，使用欧氏距离衡量相似度。实际应用中需预处理数据、确定最佳K值（肘部法则/轮廓系数）、标准化特征并评估结果。该算法计算高效但需预设K值、对初始中心敏感，适用于客户分群、图像分割等场景。关键参数包括n_clusters、n_init和metric，评估指标含SSE、轮廓系数等。