K-均值算法(K-Means)是一種無監督學習的聚類分析方法，主要用於將數據集劃分為預設數量的簇(cluster)，使得同一簇內的數據點彼此相似度較高，而不同簇之間的數據點差異較大。以下是該算法的詳細信息：
目標。K-均值算法的目標是最小化每個數據點到其所屬聚類中心的距離之和，也稱為誤差平方和。
流程。算法流程包括初始化階段、疊代過程、終止條件和輸出結果。在初始化階段，隨機選擇K個數據點作為初始的聚類中心。在疊代過程中，將每個數據點分配給距離它最近的聚類中心對應的簇，然後對於每個簇，根據當前屬於該簇的所有數據點計算新的聚類中心，通常是取這些數據點坐標的平均值。當簇中心不再發生變化或達到預設的最大疊代次數時，算法停止疊代。最後，算法結束時，每個數據點都已歸屬到一個簇，並且得到了K個最終的簇中心。
特點。K-均值算法簡單、易於實現，對於處理大數據集具有較好的可伸縮性。但是，它對初始聚類中心的選擇敏感，不同的初始化可能導致不同的聚類結果。通常採用多次運行選取最佳結果的方法來減小隨機性影響。此外，K-均值假設簇形狀是凸的，且大小相近，對於非凸形狀或大小差異極大的簇效果可能不佳。數據需要規範化以確保各個維度上的數值範圍相近，否則維度間權重會受數值大小影響。
儘管K-均值算法在實際套用中非常廣泛，但它也有局限性，例如無法處理非線性可分的數據，以及對異常值敏感等。針對這些問題，後續出現了許多改進版和變種算法。