K-means 聚类算法
哪些公司问过
答案要点
- 目标:最小化各点到所属簇质心的距离平方和
- 流程:初始化 K 个质心,分配最近簇,更新均值作质心,迭代至收敛
- 时间复杂度 O(n×K×迭代次数×维度)
- 缺点:需预设 K,对初始质心、异常值和特征尺度敏感,只适合凸形簇
- 改进:K-means++ 初始化,标准化特征;选 K 用肘部法或轮廓系数
易错点
- 忘了说明需要预设 K
- 不处理特征尺度,量纲影响距离
- 认为 K-means 能保证全局最优
- 把 K-means 用在非凸形的簇上
面试官常见追问
- KMeans 的 K 值确定方法有哪些?
- K-means++ 是怎么初始化的?
- K-means 一定会收敛吗?
- 和 DBSCAN 比有什么区别?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。