超通俗讲透 K-Means 聚类算法｜原理+公式+代码+案例全解

K-Means 是机器学习里最简单、最常用、速度最快的无监督聚类算法，不管是本科实验、研究生论文、工业项目都高频使用。

我用最白话、最详细、最容易懂的方式，把原理、数学、代码、优缺点一次性讲全。

---

一、K-Means 到底是什么？

一句话：
K-Means = 把一堆数据分成 K 组，让每组内部尽量像，组之间尽量不像。

它做的事：

• 不需要标签（无监督）
• 你告诉它分几类（K）
• 它自动找中心点，自动分组
• 速度极快，百万数据也能跑

---

二、最通俗的例子：给学生分组

假设你要按身高、体重给学生分 3 组：

1. 随便选 3 个人当“临时组长”（初始质心）
2. 每个学生看自己离哪个组长最近，就归到那一组
3. 每组算新组长：组里所有人身高体重的平均值
4. 重复步骤 2、3，直到分组不再变

这就是 K-Means。

---

三、算法步骤（最清晰版）

步骤 1：选 K 个初始中心

随机选 K 个点当“质心”（centroid）。

步骤 2：分配点到最近的质心

每个点算到每个质心的距离，归到最近的那一类。

步骤 3：更新质心

每一类的新质心 = 这一类所有点的平均值。

步骤 4：重复直到收敛

质心几乎不动了，就停止。

---

四、数学原理（看得懂的公式）

1. 目标函数（要最小化）

让每一类内部点到中心的距离总和越小越好：

$$J=\sum _{i=1}^K\sum _{x\in C_i}\Vert x-{\mu }_i{\Vert }^2$$

• $C_i$：第 i 个簇
• ${\mu }_i$：第 i 个簇的中心

2. 质心计算公式

$${\mu }_i=\frac{1}{|C_i|}\sum _{x\in C_i}x$$

就是簇内所有点的平均值。

---

五、K-Means 优点与缺点（面试必背）

优点

1. 速度极快，适合大数据
2. 原理简单，容易实现
3. 球状数据效果极好
4. 可解释性强

缺点

1. 必须手动指定 K
2. 对初始中心点敏感
3. 对异常点（噪声）非常敏感
4. 只能分球状簇，复杂形状不行

---

六、完整实战代码（鸢尾花数据集）

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.cluster import KMeans
from sklearn.datasets import load_iris
from sklearn.decomposition import PCA
from sklearn.metrics import silhouette_score

# 加载数据
iris = load_iris()
X = iris.data

# 1. 肘部法找最佳 K
inertia = []
K_range = range(2, 11)
for k in K_range:
    model = KMeans(n_clusters=k, random_state=42)
    model.fit(X)
    inertia.append(model.inertia_)

plt.plot(K_range, inertia, 'o-')
plt.xlabel('K')
plt.ylabel('惯性（距离总和）')
plt.title('肘部法找最佳K')
plt.show()

# 2. 训练 K-Means
k = 3
model = KMeans(n_clusters=k, init='k-means++', random_state=42)
labels = model.fit_predict(X)

# 3. PCA 降维画图
X_pca = PCA(2).fit_transform(X)
plt.scatter(X_pca[:,0], X_pca[:,1], c=labels, cmap='viridis')
plt.title('K-Means 聚类结果')
plt.show()

# 4. 输出评分
score = silhouette_score(X, labels)
print(f'轮廓系数 = {score:.3f}')

---

七、怎么选最好的 K？（两种方法）

1. 肘部法（Elbow Method）

看折线图的“拐弯点”。

2. 轮廓系数（Silhouette Score）

越接近 1 越好。

---

八、怎么优化 K-Means？（必看）

1. 使用 k-means++ 选初始中心

KMeans(init='k-means++')

2. 数据标准化（非常重要）

from sklearn.preprocessing import StandardScaler
X = StandardScaler().fit_transform(X)

3. 多跑几次取最优

KMeans(n_init=10)

---

九、K-Means 适合什么时候用？

✅ 数据量大
✅ 簇形状接近球形
✅ 已知要分几类
✅ 追求速度与简单

❌ 不适合：

• 形状奇怪的簇
• 噪声很多
• 不知道 K 是几

---

十、总结（最精炼）

K-Means 是最简单、最高速、最经典的聚类算法。
核心就是三句话：
选中心 → 分组 → 更新中心 → 重复。

只要你会用肘部法选 K、会标准化、会用 k-means++，基本 90% 的场景都能搞定。