聚类是一种无监督学习算法，用于将数据集划分为多个组（或簇），使得同一簇内的数据点更相似，不同簇之间的点差异更大。以下是主要的聚类算法及其特点、应用场景和局限性：

---

1. K-Means 聚类

特点：

• 将数据划分为 (k) 个簇，每个簇由一个质心（Centroid）表示。
• 通过最小化簇内点到质心的平方距离，迭代优化。

步骤：

1. 随机选择 (k) 个初始质心。
2. 将每个点分配到最近的质心，形成簇。
3. 重新计算每个簇的质心。
4. 重复步骤 2 和 3，直到质心收敛或达到最大迭代次数。

优点：

• 简单、高效，适合大规模数据。
• 算法时间复杂度为 (O(n \cdot k \cdot t))（(t) 为迭代次数）。

缺点：

• 需预先指定簇数 (k)。
• 对初始质心敏感，易陷入局部最优。
• 不适用于非球形分布的簇，且对噪声和离群点敏感。

适用场景：

• 客户分群
• 图像分割

---

2. 层次聚类 (Hierarchical Clustering)

特点：

• 根据数据点之间的相似性逐层建立层次关系。
• 分为自底向上（凝聚聚类）和自顶向下（分裂聚类）。

步骤：

1. 每个点初始作为一个簇。
2. 计算簇之间的相似度，合并最相似的簇。
3. 重复直到形成一个簇或达到预设簇数。

优点：

• 不需预设簇数。
• 可生成聚类树（Dendrogram），直观显示聚类关系。

缺点：

• 计算复杂度高（(O(n^2 \log n))）。
• 对大规模数据不适用。
• 聚类结果不可调整（需要从头重新运行）。

适用场景：

• 基因序列分析
• 文本分类

---

3. DBSCAN (Density-Based Spatial Clustering of Applications with Noise)

特点：

• 基于密度的聚类算法，通过点的密度分布发现任意形状的簇。

参数：

• (Eps)：邻域半径。
• (MinPts)：定义簇的最小点数。

步骤：

1. 标记所有点为核心点、边界点或噪声点。
2. 以核心点为中心，将 (Eps) 范围内的点归为一个簇。
3. 重复直到所有核心点处理完成。

优点：

• 能发现任意形状的簇。
• 对噪声和离群点鲁棒。
• 无需指定簇数。

缺点：

• 参数 (Eps) 和 (MinPts) 选择困难。
• 对高维数据效果较差。

适用场景：

• 地理区域聚类
• 异常检测

---

4. 均值漂移 (Mean-Shift)

特点：

• 基于核密度估计（Kernel Density Estimation），通过迭代寻找高密度区域。

步骤：

1. 初始化点集。
2. 计算每个点的密度梯度，向密度更高方向移动。
3. 重复直到点收敛。

优点：

• 不需预设簇数。
• 能发现任意形状的簇。

缺点：

• 对带宽参数敏感。
• 计算复杂度较高，适合中小规模数据。

适用场景：

• 图像分割
• 模式识别

---

5. 高斯混合模型 (GMM, Gaussian Mixture Model)

特点：

• 假设数据由多个高斯分布组成，每个簇对应一个高斯分布。
• 使用期望最大化（EM）算法优化参数。

步骤：

1. 初始化高斯分布参数（均值、方差、权重）。
2. E 步：计算每个点属于各高斯分布的概率。
3. M 步：更新高斯分布参数。
4. 重复直到收敛。

优点：

• 能处理不同形状和大小的簇。
• 提供每个点的软分类概率。

缺点：

• 需要预设簇数。
• 对初始参数敏感，可能陷入局部最优。

适用场景：

• 图像处理
• 聚类分析中的概率建模

---

6. 谱聚类 (Spectral Clustering)

特点：

• 基于图论，通过数据点的相似性构建图，然后使用图的特征值进行聚类。

步骤：

1. 构建相似度矩阵。
2. 计算图的拉普拉斯矩阵并求特征向量。
3. 对特征向量进行 K-Means 聚类。

优点：

• 适用于复杂形状的簇。
• 能处理非线性分割问题。

缺点：

• 相似度矩阵计算复杂，适合小规模数据。
• 对参数敏感。

适用场景：

• 社交网络分析
• 图像分割

---

7. OPTICS (Ordering Points To Identify the Clustering Structure)

特点：

• 是 DBSCAN 的扩展版本，能更好处理不同密度的簇。

步骤：

1. 以递增方式扫描数据点，记录点的可达性距离。
2. 根据距离生成聚类结果。

优点：

• 适合密度分布不均的数据。
• 不需严格指定参数。

缺点：

• 参数选择复杂。
• 计算复杂度较高。

适用场景：

• 密度变化明显的数据集。

---

总结

算法	适合数据分布	参数要求	适用场景
K-Means	球形分布、均匀密度	簇数 (k)	快速分群
层次聚类	小规模数据	无需参数	直观展示数据关系
DBSCAN	任意形状、含噪声	(Eps)、(MinPts)	噪声鲁棒分析
均值漂移	高密度数据分布	带宽参数	模式识别
GMM	高斯分布	簇数、初始参数	概率建模
谱聚类	任意形状	相似度矩阵参数	图分析、复杂分割
OPTICS	不均匀密度分布	(Eps)、(MinPts)	密度变化数据集

选择算法时应根据数据分布特性、规模和具体任务需求进行权衡。