Python聚类分析怎么实现_K-Means算法与肘部法则确定K值-Python教程-PHP中文网

用kmeans聚类需标准化数据、设n_init≥20、init='k-means++'、固定random_state；选k时结合肘部法、轮廓系数等多指标；避免k=1，大数据先抽样；收敛警告优先检查标准化和k值合理性。

python聚类分析怎么实现_k-means算法与肘部法则确定k值

怎么用 `sklearn.cluster.KMeans` 做基础聚类

直接调用 KMeans 本身不难，但结果不稳定、标签乱序、中心点漂移是高频问题。核心在于初始化和重复运行。

n_init=10 是底线，别用默认的 10（旧版是 1，新版已改）；设成 20 或 50 能明显减少局部最优陷阱
init='k-means++' 必须显式写上，它比 'random' 更快收敛且质量高——不是默认值但应该当默认用
random_state 一定要固定，否则每次跑结果不同，调试时根本没法比对
别直接拿 labels_ 当最终分类：同一簇在不同运行中可能被标成 0/1/2 或 2/0/1，需用 cluster_centers_ 对齐语义

肘部法则画图总不明显？`inertia_` 不是万能指标

inertia_（簇内平方和）下降变缓的位置常被当作“肘点”，但它对噪声敏感、对非球形簇失效，且 K 小的时候下降天然剧烈，容易误判。

Python Use Agent

智能执行Python任务，自动生成、执行代码并反馈结果，无需额外配置，兼容旧命令。

下载

别只画一条 inertia_ 曲线——叠加 silhouette_score 或 calinski_harabasz_score，三者趋势一致才可信
K 从 2 开始试，别从 1 开始（K=1 时 inertia_ 就是总方差，毫无参考价值）
如果数据量 > 10k，先用 sample 抽样（比如 30%），否则计算 inertia_ 太慢，且大样本下曲线更平滑，“肘”更模糊

示例：

from sklearn.metrics import silhouette_score  
scores = [silhouette_score(X, KMeans(n_clusters=k, n_init=20, random_state=42).fit(X).labels_)  
          for k in range(2, 11)]

为什么 `KMeans` 对数值范围敏感？必须做标准化

KMeans 算的是欧氏距离，某列单位是「万元」、另一列是「百分比」，前者数值大十倍，就等于在距离计算里占了十倍权重——结果完全被量纲绑架。

永远用 StandardScaler，别用 MinMaxScaler：后者压缩到 [0,1] 会扭曲原始分布形态，尤其对长尾特征灾难性
标准化必须在训练集上 fit，再对训练/测试集统一 transform；不能分别对全量数据标准化后切分，那会泄露信息
如果有类别型变量（如 one-hot 后的列），别跟连续变量混在一起标准化——one-hot 列本身就是 0/1，标准化反而破坏语义

遇到 `ConvergenceWarning: Number of iterations has reached max_iter` 怎么办

这不是报错，是算法提前放弃优化，意味着当前 max_iter 下没收敛，聚类中心还在晃，结果不可靠。

先检查是否漏了标准化——未标准化的数据极易导致迭代发散或极慢收敛
max_iter 默认是 300，对多数中小数据够用；如果频繁触发警告，优先加到 500 或 1000，而不是调小 n_init
如果加大 max_iter 后仍警告，大概率是 K 设得太大，或数据本身不适合 K-Means（比如簇是环形、带状）——该换 DBSCAN 或高斯混合模型了
注意：tol（收敛阈值）默认是 1e-4，太小也会拖慢收敛；若数据噪声大，可放宽到 1e-3