聚类分析：kmeans函数如何将无标签数据自动分为K个类别

KMeans聚类通过初始化K个随机质心、将样本分配至最近质心、重算各簇质心、迭代优化直至收敛，最终输出簇标签与质心坐标，实现对未标注数值型数据的自动分组。

如果您拥有大量未标注的数值型数据，希望依据内在相似性自动划分为K个结构化组别，则KMeans聚类正是实现该目标的核心工具。以下是kmeans函数执行自动分类的具体机制与操作路径：

一、初始化K个随机质心

算法启动时需预先指定类别数量K，随后从输入数据集中**随机选取K个样本点作为初始质心**，这些点构成后续迭代的基准锚点。质心代表各簇的中心位置，其维度与数据特征维度一致。

1、确定预设簇数K值，例如K=3；

2、在全部n个样本中不放回地随机抽取K个点；

3、将这K个点的坐标分别赋值为μ₁⁽⁰⁾, μ₂⁽⁰⁾, …, μₖ⁽⁰⁾，作为第0轮迭代的初始中心。

二、分配每个样本至最近质心所属簇

该步骤基于欧氏距离度量样本与各质心的空间接近程度，确保每个数据点被归入**几何距离最小的簇**，从而形成初步划分。此过程使簇内紧凑性开始显现。

1、对每个样本xᵢ，依次计算其到K个当前质心μⱼ的欧氏距离||xᵢ − μⱼ||²；

2、选取使该距离最小的j值，令cᵢ = j；

3、将xᵢ标记为属于第j簇，完成全部n个样本的一次分配。

三、重算各簇质心位置

在样本完成簇归属后，算法通过求均值方式更新每个簇的中心位置，使新质心更准确反映该簇内所有成员的分布重心，提升划分合理性。

1、对每个簇j，收集所有满足cᵢ = j的样本集合Sⱼ；

2、若Sⱼ非空，计算其所有样本坐标的算术平均值；

3、将该均值向量设为新一轮质心μⱼ⁽ᵗ⁺¹⁾；

4、若某簇为空，则重新从数据集中随机选一个未被选为质心的样本替代。

四、重复分配与更新直至收敛

算法持续交替执行“分配→更新”两个阶段，目标是最小化所有样本到其所属簇质心的距离平方和（SSE），当质心位移低于阈值或达到最大迭代次数时终止。

1、设定收敛容差ε（如1e-4）与最大迭代轮数（如300）；

2、比较本轮与上轮所有质心的坐标变化量maxⱼ||μⱼ⁽ᵗ⁾ − μⱼ⁽ᵗ⁻¹⁾||；

3、若该最大变化量小于ε，或当前轮数已达上限，则停止迭代；

4、否则返回第二步，用新质心重新分配全部样本。

五、输出最终簇标签与质心坐标

收敛完成后，kmeans函数返回每个样本的整数型簇标签数组以及K个最终质心的坐标矩阵，实现从原始无标签数据到K个语义可解释分组的完整映射。

1、调用labels_属性获取长度为n的整数数组，其中第i个元素表示xᵢ所属簇编号；

2、调用cluster_centers_属性获取K×d维矩阵，每行对应一个簇的d维质心坐标；

3、标签数组中数值范围严格为0至K−1，且不保证按业务含义排序；

4、质心坐标是浮点型向量，直接反映各簇在原始特征空间中的几何中心。