K-Means 聚类原理与评估方法详解

多篇帖子系统梳理了 K-Means 聚类算法：算法通过反复执行样本分配与中心点更新两个步骤，将中心点重新计算为簇内所有点的均值，迭代至中心点不再显著变化即收敛，目标是 minimizing 簇内方差。在评估方面，肘部法则通过绘制惯性随聚类数变化的曲线寻找下降速率骤变的“肘部”来确定最佳聚类数；轮廓系数则衡量样本与自身簇的匹配程度，取值范围为 -1 到 1，分数越高表示聚类效果越好。

2026-08-30 ~ 2026-08-30 · 4 条相关