请解释 k-means 聚类算法的基本流程，并说明可以用哪些指标或方法来衡量一个聚类结果的好坏？

回答思路

1. 【回答框架 1】k-means 是一种基于划分的聚类算法，核心思想是把 n 个样本划分到 k 个簇中，使得簇内样本相似度高、簇间相似度低。流程为：先随机选 k 个初始质心，然后迭代执行两步——将每个样本分配到距离最近的质心所属簇，再重新计算每个簇的质心（即簇内样本均值），直到质心变化很小或达到最大迭代次数。
2. 【回答框架 2】评估聚类效果分内部指标和外部指标两类。内部指标不需要真实标签，常见的有轮廓系数，它结合簇内紧密度和簇间分离度，取值范围是 -1 到 1，越接近 1 说明聚类越合理；还有 Davies-Bouldin 指数，其值越小表示簇间分离越好，簇内越紧凑。
3. 【回答框架 3】外部指标需要知道真实类别标签，比如纯度、调整兰德指数和 NMI（归一化互信息）。调整兰德指数衡量聚类结果与真实标签的吻合程度，取值范围接近 1 时说明结果越接近真实划分；NMI 也常用于比较聚类结果的一致性。
4. 【回答框架 4】实际评估中，选择内部指标可以用于选择最佳的 k 值，比如画轮廓系数随 k 变化的曲线，选取峰值对应的 k。同时要结合业务含义，观察每个簇的样本特征是否具有可解释性，不能只依赖单一指标。
5. 【关键点 1】k-means 本质是迭代优化簇内平方误差和（SSE），目标函数随迭代逐步减小。
6. 【关键点 2】轮廓系数、Davies-Bouldin 指数是常用的无监督评估指标，分别对应簇内紧密度和簇间分离度。
7. 【关键点 3】外部指标（如调整兰德指数、NMI）需要真实标签，适合有标注的验证场景。
8. 【关键点 4】选择 k 值时，可结合肘部法和轮廓系数，同时考虑计算资源和业务可解释性。
9. 【易错点 1】不能只看 SSE 越小越好，因为随着 k 增大 SSE 总会下降，容易过拟合。
10. 【易错点 2】轮廓系数对数据分布和距离度量敏感，不同相似度定义下结论可能不同。
11. 【易错点 3】k-means 对初始质心敏感且只能发现凸形簇，评估指标再高也无法弥补算法本身的假设限制。