如先前所述，許多分群演算法無法擴展至機器學習中使用的資料集，因為這些資料集通常包含數百萬個範例。舉例來說，聚合或分割式階層式聚類演算法會查看所有組點，分別具有 \(O(n^2 log(n))\) 和 \(O(n^2)\)的複雜度。
本課程著重於 k 均值，因為它會以 \(O(nk)\)的比例進行縮放，其中 \(k\)是使用者選擇的叢集數量。這個演算法會將點分組成\(k\) 叢集，方法是盡可能縮短各個點與其叢集的圓心之間的距離 (請見圖 1)。
因此，k-means 會有效地將資料視為由多個大致圓形分布的資料組成，並嘗試找出與這些分布相對應的叢集。但現實世界資料含有異常值和以密度為基礎的叢集，可能不符合 k 均值的假設。
k-means 分群演算法
演算法會按照以下步驟運作：
提供 \(k\)的初步預估值，之後可再進行修改。在本例中，我們選擇 \(k = 3\)。
隨機選擇 \(k\) 重心。
圖 1：初始化時的 k 均值。 將每個點指派至最近的群集中心，取得 \(k\) 初始叢集。
圖 2：初始叢集。 針對每個叢集，計算叢集中所有點的平均位置，以便計算新的重心。圖 4 中的箭頭顯示了 centroid 位置的變化。
圖 3：重新計算的中心點。 將每個點重新指派至最近的新群集中心。
圖 4：重新指派後的叢集。 重複執行步驟 4 和 5，重新計算質心和叢集成員資格，直到點集不再變更叢集為止。如果是大型資料集，您可以根據其他條件，在收斂前停止演算法。
由於中心位置一開始是隨機選擇，k 均值在連續執行時可能會傳回截然不同的結果。如要解決這個問題，請多次執行 k 均值，然後選擇品質指標最佳的結果。(我們會在本課程稍後介紹品質指標)。您需要使用進階版的 k 均值，才能選擇更理想的初始中位點位置。