KMeans K 均值聚类

本章目标

1. 明确本分册对应的 KMeans 源码入口与运行方式。
2. 理解当前 KMeans 文档各章节分别负责解释什么内容。
3. 建立从数据、模型、训练到可视化评估的整体阅读路线——注意这是无监督聚类，true_label 仅用于结果对照。

对应代码速览

组件	路径	说明
数据生成	data_generation/clustering.py	ClusteringData.kmeans() 生成球形 blob 聚类数据
数据导出	data_generation/__init__.py	导出 kmeans_data
训练封装	model_training/clustering/kmeans.py	train_model(...) 封装 sklearn.cluster.KMeans 训练
端到端流水线	pipelines/clustering/kmeans.py	完成数据拆分、标准化、训练与聚类结果可视化
聚类结果可视化	result_visualization/cluster_plot.py	绘制预测簇标签、真实标签和聚类中心对照图

默认配置速览（来自源码）

项目	当前实现
训练模型	KMeans(n_clusters=4, init='k-means++', n_init=10, max_iter=300, random_state=42)
数据来源	make_blobs(n_samples=400, centers=4, cluster_std=0.8, random_state=42)
特征预处理	StandardScaler().fit_transform(X)——使各特征同等贡献于到中心的距离计算
训练方式	model.fit(X_scaled)——无监督，不传入标签
评估呈现	聚类散点图（含聚类中心标记）+ true_label 对照 + inertia_ 日志

阅读路线

1. 数学原理
2. 数据构成
3. 思路与直觉
4. 模型构建
5. 训练与预测
6. 评估与诊断
7. 工程实现
8. 练习与参考文献

如何运行

示例代码

python -m pipelines.clustering.kmeans

理解重点

• 这个命令会串起当前 KMeans 分册中最核心的工程流程。
• 运行后会训练一个 KMeans 模型（迭代优化质心位置以最小化簇内平方和），并输出含聚类中心标记的对照散点图。
• 当前流程是无监督聚类——true_label 仅用于结果对照，不参与 fit()。

先修

• 库生态总览
• NumPy 基础与数组概念
• 预处理
• 项目架构

小结

• 本分册严格对应当前仓库中的 KMeans 源码实现。
• KMeans 的核心特点：中心式聚类 + 需预设 $k$ + 迭代优化簇内平方和 + 偏好各向同性球形簇——与 DBSCAN（密度聚类、无需预设 $k$、能发现任意形状簇、天然识别噪声点）在建模思路上有本质区别。
• 当前使用 make_blobs 构造的球形高斯簇数据 + KMeans(n_clusters=4, init='k-means++')，是展示中心式聚类最经典的教学配置。