聚类分析是将无标签数据按照相似性划分为多个簇的过程，K-Means算法通过迭代更新簇中心实现数据聚类，而肘部法则可以通过评估不同K值下的模型误差来选择最优聚类数。
K-Means算法基本原理
K-Means算法的核心目标是将n个样本划分到K个簇中，使得每个样本到其所属簇中心的距离之和最小。算法的基本流程如下：
- 随机选择K个样本作为初始簇中心
- 计算每个样本到所有簇中心的距离，将样本划分到距离最近的簇
- 重新计算每个簇的中心，即簇内所有样本的均值
- 重复上述两步，直到簇中心不再变化或达到最大迭代次数
肘部法则确定K值逻辑
肘部法则的核心思想是：随着K值增大，所有样本到对应簇中心的距离之和（即SSE，误差平方和）会逐渐减小。当K小于真实聚类数时，增加K会大幅降低SSE；当K超过真实聚类数时，增加K对SSE的降低效果会明显减弱，此时SSE随K变化的曲线会出现一个拐点，形状类似手肘，该拐点对应的K值就是较优的聚类数。
Python实现完整流程
1. 准备环境与数据
首先导入需要的库，这里使用sklearn生成模拟数据，用matplotlib进行可视化：
import numpy as np import matplotlib.pyplot as plt from sklearn.cluster import KMeans from sklearn.datasets import make_blobs from sklearn.preprocessing import StandardScaler # 生成模拟数据，共3个簇 X, y_true = make_blobs(n_samples=1000, centers=3, random_state=42) # 数据标准化，避免量纲影响聚类效果 scaler = StandardScaler() X_scaled = scaler.fit_transform(X)
2. 肘部法则计算不同K值的SSE
遍历K从1到10，计算每个K对应的SSE值：
sse = []
k_range = range(1, 11)
for k in k_range:
kmeans = KMeans(n_clusters=k, random_state=42)
kmeans.fit(X_scaled)
# inertia_属性即为SSE值
sse.append(kmeans.inertia_)
3. 绘制肘部曲线选择K值
将K值和对应的SSE绘制成折线图，观察拐点位置：
plt.figure(figsize=(8, 5))
plt.plot(k_range, sse, marker='o')
plt.xlabel('聚类数K')
plt.ylabel('SSE误差平方和')
plt.title('肘部法则确定最优K值')
plt.show()
从曲线可以看到，K从1到3时SSE下降明显，K超过3后下降幅度变缓，因此最优K值为3。
4. 使用最优K值训练模型并输出结果
选择K=3训练K-Means模型，查看聚类结果：
# 使用K=3训练模型
best_k = 3
kmeans = KMeans(n_clusters=best_k, random_state=42)
y_pred = kmeans.fit_predict(X_scaled)
# 输出簇中心
print("簇中心坐标：")
print(kmeans.cluster_centers_)
# 输出前10个样本的聚类结果
print("前10个样本的聚类标签：")
print(y_pred[:10])
注意事项
- K-Means算法对初始簇中心敏感，可通过设置
n_init参数多次初始化选择最优结果，默认值为10 - 如果数据量较大，可设置
max_iter参数控制最大迭代次数，避免训练时间过长 - 肘部法则得到的K值不是绝对最优，可结合业务场景和实际聚类效果调整