KMeans聚类

一句话解释：K-Means 就是让计算机把一堆没有分类的数据，按照相似程度，自动分成 K 个组

假设我们有 12 个学生，要把他们分成 3 组，也就是 K = 3。

整个过程可以理解为 4 步：

1. 随机选 3 个中心点：相当于先在操场上安排 3 个组长。
2. 学生寻找最近的组长：每个人加入离自己最近的组。
3. 重新选组长的位置：根据每组所有人的位置，计算平均位置，作为新的中心点。
4. 重复第 2、3 步：直到分组基本不再变化。

这里的 Means 就是“均值”的意思，因为每次都会根据组内数据的平均值更新中心。

每个数据点寻找最近的中心，颜色表示它加入的组

计算各组数据点的平均位置，将中心移动到新的位置

K-Means 属于无监督学习（Unsupervised Learning）

因为你不需要提前告诉计算机每条数据属于什么类别，它会自己寻找数据之间的相似性

K 值需要事先指定：比如究竟分成 3 组还是 5 组，需要自己选择。

容易受初始中心影响：不同的初始位置，有可能导致不同的分组结果。实际常用 K-Means++ 来改善初始化。

对异常值比较敏感：比如一个身高 3 米的数据，就可能把某一组的中心拉偏。

对数据尺度敏感：身高和收入放在一起计算距离时，数值尺度较大的特征可能主导结果，因此通常要先标准化