Sklearn 机器学习 数据聚类 KMeans实现聚类

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在CSDN上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

---

使用 Sklearn 实现 KMeans 聚类算法实战指南

聚类是一种无监督学习方法，广泛应用于客户分群、图像压缩、异常检测等任务中。

在本篇博文中，我们将通过 Sklearn 的 KMeans 方法，逐步完成一个聚类分析的完整流程，帮助你掌握实际应用技巧。

---

🧩 一、什么是聚类？

聚类（Clustering）是指将数据集划分为若干个组（簇，Cluster），使得同一组中的样本相似度更高，不同组之间的样本差异更大。

它是一种无监督学习方法，区别于分类，它不依赖于目标标签，只通过样本之间的特征相似度划分数据。

常见聚类算法包括：

• KMeans（重点讲解）
• DBSCAN
• 层次聚类（Hierarchical Clustering）
• GMM（Gaussian Mixture Model）

---

📐 二、KMeans 算法原理简述

KMeans（K均值聚类） 是最经典、使用最广泛的聚类算法之一，其核心思想是：

1. 给定聚类簇数 K；
2. 随机初始化 K 个聚类中心；
3. 分配：将每个样本划分到最近的聚类中心；
4. 更新：重新计算每个聚类中心；
5. 重复执行步骤 3 和 4，直到聚类中心收敛或达到迭代次数。

优点：

• 简单高效，适用于大规模数据；
• 可解释性强，易于可视化。

缺点：

• 需预先指定 K；
• 对异常值敏感；
• 只适用于凸形簇。

---

🛠️ 三、Sklearn 中使用 KMeans 聚类的步骤

我们以一组二维模拟数据为例，演示如何用 sklearn.cluster.KMeans 完成聚类操作。

导入必要库

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans

生成聚类样本数据

# 构造数据：3 个聚类中心，每个簇有 100 个点
X, y_true = make_blobs(n_samples=300, centers=3, cluster_std=0