算办之K均值聚类：数据分组的艺术与数学的舞蹈-CSDN博客

本文链接：https://blog.csdn.net/heimeiyingwang/article/details/147756350

一、算法本质

K均值如同智慧的图书管理员：

设定分类：预先确定要分成几个书类（K个簇）
摆放书架：随机放置几个空书架（初始中心点）
整理书籍：把每本书放到最近的书架（数据点分配）
调整位置：根据已放书籍重新摆放书架位置（中心点更新）
重复整理：直到书架位置不再明显变化（收敛）

整个过程展现"动态平衡"的哲学，通过迭代逼近最优分组。

二、Java实现（精简教育版）

import java.util.*;

public class KMeans {
    private static class Point {
        double x, y;
        Point(double x, double y) { this.x = x; this.y = y; }
    }

    public static Map<Integer, List<Point>> cluster(List<Point> points, int K, int maxIter) {
        // 1. 初始化中心点（随机选择）
        List<Point> centroids = new ArrayList<>();
        Random rand = new Random();
        for (int i=0; i<K; i++) {
            centroids.add(points.get(rand.nextInt(points.size())));
        }

        Map<Integer, List<Point>> clusters;
        for (int iter=0; iter<maxIter; iter++) {
            // 2. 分配数据点
            clusters = new HashMap<>();
            for (Point p : points) {
                int nearest = findNearestCentroid(p, centroids);
                clusters.computeIfAbsent(nearest, k->new ArrayList<>()).add(p);
            }

            // 3. 更新中心点
            List<Point> newCentroids = new ArrayList<>();
            for (int i=0; i<K; i++) {
                List<Point> cluster = clusters.get(i);
                double sumX=0, sumY=0;
                for (Point p : cluster) {
                    sumX += p.x;
                    sumY += p.y;
                }
                newCentroids.add(new Point(sumX/cluster.size(), sumY/cluster.size()));
            }
            
            if (converged(centroids, newCentroids)) break;
            centroids = newCentroids;
        }
        return clusters;
    }

    private static int findNearestCentroid(Point p, List<Point> centroids) {
        int minIndex = 0;
        double minDist = Double.MAX_VALUE;
        for (int i=0; i<centroids.size(); i++) {
            double d = distance(p, centroids.get(i));
            if (d < minDist) {
                minDist = d;
                minIndex = i;
            }
        }
        return minIndex;
    }

    private static double distance(Point a, Point b) {
        return Math.sqrt(Math.pow(a.x-b.x, 2) + Math.pow(a.y-b.y, 2));
    }

    public static void main(String[] args) {
        List<Point> data = Arrays.asList(
            new Point(1,1), new Point(1,2), new Point(2,1),
            new Point(8,8), new Point(9,8), new Point(8,9)
        );
        Map<Integer, List<Point>> clusters = cluster(data, 2, 100);
        clusters.forEach((k,v) -> System.out.println("Cluster "+k+": "+v.size()+" points"));
    }
}

三、性能分析

指标	数值	说明
时间复杂度	O(nKI*d)	n:数据量 K:簇数 I:迭代次数 d:维度
空间复杂度	O(nd + Kd)	存储数据点和中心点

算法特性：

需要预先指定K值
对初始中心敏感
适合凸形数据分布

四、应用场景

客户细分：电商用户消费行为分组
图像压缩：将颜色减少到K种主色调
异常检测：识别远离所有簇中心的点
生物信息：基因表达模式分类

典型案例：

Netflix用户观影习惯分析
城市交通热点区域识别
制造业产品质量异常检测

五、学习路线

新手必练：

手工模拟二维数据聚类过程
可视化不同K值的聚类效果
实现三维数据扩展版本

// 三维点类扩展
class Point3D { 
    double x, y, z;
    // 距离计算增加z维度
    static double distance(Point3D a, Point3D b) { 
        return Math.sqrt(Math.pow(a.x-b.x,2) + Math.pow(a.y-b.y,2) + Math.pow(a.z-b.z,2));
    }
}

高手进阶：

实现K-means++优化初始化
开发增量式Mini-Batch K-means
结合密度聚类优化离群点处理

// K-means++初始化优化
List<Point> initCentroids(List<Point> points, int K) {
    List<Point> centroids = new ArrayList<>();
    centroids.add(points.get(rand.nextInt(points.size())));
    
    for (int i=1; i<K; i++) {
        double[] distances = new double[points.size()];
        double sum = 0;
        for (int j=0; j<points.size(); j++) {
            double minDist = Double.MAX_VALUE;
            for (Point c : centroids) {
                minDist = Math.min(minDist, distance(points.get(j), c));
            }
            distances[j] = minDist;
            sum += distances[j];
        }
        // 按距离概率选择下一个中心
        double r = rand.nextDouble() * sum;
        for (int j=0; j<distances.length; j++) {
            r -= distances[j];
            if (r <= 0) {
                centroids.add(points.get(j));
                break;
            }
        }
    }
    return centroids;
}