请解释 K-means 聚类算法的定义及其核心工作原理。

回答思路

1. 【回答框架 1】K-means 是一种基于划分的无监督聚类算法，目标是将 n 个样本划分到 k 个簇中，使得簇内样本相似度高、簇间相似度低，常用欧氏距离度量相似性。
2. 【回答框架 2】基本原理是迭代优化：先随机选择 k 个初始质心，然后重复两步：分配步骤将每个样本归入距离最近的质心所属簇；更新步骤重新计算每个簇的均值作为新质心，直至质心不再显著变化或达到最大迭代次数。
3. 【回答框架 3】算法本质是最小化簇内误差平方和（SSE），即所有样本到其所属质心距离的平方和。
4. 【回答框架 4】初始质心选择影响结果，常用 K-means++ 优化初始化；k 值需预先指定，可通过肘部法则或轮廓系数辅助确定。
5. 【回答框架 5】算法简单高效，时间复杂度约为 O(n·k·t)，n 为样本数，k 为簇数，t 为迭代次数，适合大规模数据；但需注意特征缩放和异常值影响。
6. 【关键点 1】K-means 是划分式聚类，通过迭代分配-更新求解局部最优。
7. 【关键点 2】目标函数是簇内误差平方和（SSE），通过质心迁移最小化。
8. 【关键点 3】k 值需预先设定，初始质心选择影响结果，常用 K-means++ 改善。
9. 【关键点 4】算法对离群点和特征尺度敏感，使用前应做数据预处理和标准化。
10. 【易错点 1】不能保证全局最优，容易收敛到局部极小值，需多次运行取最优结果。
11. 【易错点 2】k 值选择不当会导致聚类效果差，需结合领域知识和评估指标判断。
12. 【易错点 3】对非球形簇或大小差异大的簇效果不佳，需考虑其他聚类算法。