聚类与k均值算法

聚类是把相似的数据自动归入同一组（簇）的[[机器学习的三种范式|无监督学习]]方法，分两大类：非层次聚类直接把数据划成固定数量的组，层次聚类则不预设组数、逐步合并出一个层级结构。k均值算法是最常用的非层次聚类方法，运作方式很直白：先随机给每个数据点分配一个初始簇编号，算出各簇的重心（平均值）；然后让每个点重新选择离自己最近的重心所属的簇；用新的分组再算一次重心；如此反复，直到所有点的簇归属不再变化为止。这个方法的前提是必须先知道要分成几个簇（k值），而且如果原始数据分布本身就不均衡，效果可能不理想（改进版是k-means++法）。它的核心机制其实很简单——不断在”按当前重心重新分组”和”按当前分组重新算重心”之间来回迭代，直到收敛，本质是一种反复逼近的自组织过程。