M2-052M2: 经典机器学习聚类Easy
⚡闪卡盲测➔掌握度:

描述 K-means 算法,说明它的目标函数与收敛性。

🎯 深度面试自测闭环(先口述或草拟,再核对解析)
免登录记录进度:核心结论回忆 → 避坑清单自查 → 标记掌握或加入错题队列。
Step 1 · 尝试用 1–2 句话回答这道题的核心结论与适用边界
Step 2 · 勾选已覆盖的陷阱与追问思考
下一题: M2-053 →
📐 核心数学机理公式
min⁡∑j∑x∈Sj∥x−μj∥2\min\sum_{j}\sum_{x\in S_j}\|x-\mu_j\|^2
⚡ 一句话直击要害答案
交替'分配最近中心'与'更新中心为均值',单调下降目标直至收敛到局部最优。

📌 核心要点提炼

  • •
    对初始化敏感 → K-means++
  • •
    假设球形等方差簇

📐 数学机理与严密推导

算法两步交替:① 分配步——把每个点分给最近的簇中心(固定中心,最小化目标);② 更新步——把每个中心移到其簇内点的均值(固定分配,最小化目标,因为均值是使平方和最小的点)。收敛性:每一步都不增加目标函数 J=ΣⱼΣ_{x∈Sⱼ}‖x−μⱼ‖²(分配步使每点选最近中心;更新步使中心最优),且 J 有下界 0,故必收敛。但收敛到的是局部最优——因为 J 对分配是离散的、非凸的,最终解依赖初始中心。为什么均值是最优中心:∂/∂μⱼΣ‖x−μⱼ‖²=0 ⇒ μⱼ=簇内均值。K-means 的隐含假设:各簇球形、大小相近、方差相似(因为它用欧氏距离且隐含等权),故对非球形(如环形)、大小悬殊、密度差异大的簇表现差。

🏭 深度剖析与工业落地权衡

实践要点:① K-means++ 初始化——第一个中心随机选,后续每个中心按'与已有中心距离的平方'成正比的概率选择(远离已有中心的点更可能被选)。这使初始中心分散,理论上给出 O(log K) 的近似保证,实践显著优于随机初始化。② 多次重启——即使有 K-means++,仍应跑多次(n_init=10)取最优(目标最小)的解。③ K 的选择——肘部法(J 随 K 的曲线拐点,主观)、轮廓系数(-1 到 1,越大越好)、Gap 统计量(与均匀分布的对比);实践中常结合业务可解释性。④ 替代算法——K-medoids(用真实点作中心,对异常值鲁棒)、GMM(软分配、椭圆簇)、DBSCAN(任意形状、自动定簇数)、谱聚类(图划分,适合非凸簇)。⑤ 标准化——K-means 用欧氏距离,必须标准化特征。⑥ MiniBatch K-means——用 mini-batch 加速,适合大数据。
⚠️ 常见面试陷阱与高频失分点
  • ✕
    用随机初始化且只跑一次(陷入局部最优)
  • ✕
    对非球形/大小悬殊的簇使用 K-means
🎯 面试官连环追问与延伸考察
  • ?
    K-means 为什么可能陷入局部最优?
  • ?
    K-means++ 如何初始化?
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!
🎯 立即在闪卡中盲测此题➔
📚

关联知识库专题与交互式导图

← 上一题M2-051: 解释维度灾难对 KNN 的具体影响。📋 返回题库下一题 →M2-053: 如何选择聚类数 K?列出主要方法。