第13课　KMeans 聚类（无标签）｜写给初中生的机器学习

单元四

第13课　KMeans 聚类（无标签）

一、任务目标

在没有标签 y 的情况下，把样本分成几簇。

二、核心概念讲清楚

KMeans 指定 k 个中心，反复把点分到最近中心并更新中心。注意：聚类标签编号本身没有「对错含义」。

KMeans(n_clusters=k)
无监督：通常没有 y
k 需要你指定或尝试

1准备特征 X可先标准化

2设定 k想分几堆

3fit_predict得到簇编号

4观察结果可视化或统计每簇人数

三、跟着想一遍（小例子）

把学生按两门成绩分成 3 组，得到 0/1/2 编号——编号只是组名，不是分数高低。

易错：把簇编号当成「成绩等级」直接解读。

正确：先看每簇特征均值，再解释含义。

想一想：超市把顾客分群做推荐，和 KMeans 目标像吗？

四、解题思路

任务：在没有标签 y 的情况下，把样本分成几簇。先想清楚：输入是什么、处理后得到什么、屏幕上应出现什么。

本课主要用到：屏幕输出。

1明确任务「在没有标签 y 的情况下，把样本分成几簇。」：运行后你希望看到什么结果（文字、图形或计算结果）。
2用 print 把结果说出来，确认屏幕上出现预期内容。
3对照参考代码跑通后，只改一个参数，观察结果如何变化。

流程示意（可对照左侧文字）

五、语句功能讲解

本课用到的 Mixly 图形块均已在前面的课讲过。请直接对照编程练习搭积木；若有遗忘，回到该积木首次出现的课页复习。

六、知识点讲解

特征是从原始数据里抽出、对判断有用的量；标签是我们想预测的答案。分类就是根据特征给样本贴标签。特征选不好，后面模型再复杂也难做好。

先弄清本课输入与输出，再进编程练习对照现象。

七、编程练习

先理解上面的例子，再在下方 Mixly 运行与检查（含 scikit-learn）。

选择题目

应大致分成两堆。

参考代码（对照抄写到下方 Mixly）

from sklearn.cluster import KMeans

X = [[1, 1], [1, 2], [2, 1], [8, 8], [8, 9], [9, 8]]
km = KMeans(n_clusters=2, n_init=10, random_state=0)
labels = km.fit_predict(X)
print("簇标签:", list(labels))
print("簇中心:", km.cluster_centers_.round(2).tolist())

九、本节小结

聚类按相似性分组，不靠 y。