AI 术语表 · 基础 · 经典机器学习、推荐与搜索
聚类
聚类是把没有标注答案的数据，按相似程度自动归组，分成若干群组（簇）。它是无监督学习的代表性方法。
关于这个术语
- 难度
- 基础 · AI 新闻中常见的技术术语
- 分类
- 数据、运维与平台
- 加入时间
- 2026-10-08
通俗解释 这类似于把一堆没有标签、散落一地的纽扣，按颜色和大小相近的分装到几个碗里。不同之处在于，人会自己决定“按颜色分”，而聚类则把以什么标准判断相似交给数值化的特征和距离计算。
工作原理
首先把每条数据转换成一串数字（特征向量），当作空间中的点来处理。然后计算点与点之间的距离或相似度，把相近的点归为同一组。最广为人知的 K 均值（K-means）先设定群组数 K，把每个点分配给最近的中心，再重新计算每组的中心，如此反复，直到结果不再变化。此外，寻找点密集区域的基于密度的方法（如 DBSCAN），以及从最近的开始依次合并、形成树状层级的层次聚类也很常用。
K 均值寻找群组的循环
直到结果不再变化
- 1确定 K 个中心
- 2分配给最近的中心
- 3重新计算中心
- 1. 确定 K 个中心 起初随机选取
- 2. 分配给最近的中心 为每个点计算距离
- 3. 重新计算中心 移到群组的平均位置
为什么重要
现实中的数据大多没有答案标签，因此无需标签也能揭示结构的聚类，在初步探索数据时很有用。它可用于按购买倾向划分客户、把相似的新闻报道归入同一主题，或在对大量文档做嵌入后按主题整理。找出远离群组的点，还可以延伸到异常检测。此外，在数据标注前挑选代表性样本、查找近乎重复的数据等整理 AI 训练数据的环节中，也会用到聚类。
注意事项
聚类没有标准答案，因此很难判断结果“好不好”。使用什么特征、如何度量距离，可能得出完全不同的群组。像 K 均值这样需要预先设定群组数的方法，如果这个值选错了，结果会很牵强。给归出的群组赋予“价格敏感型客户”之类的含义，终究需要人来解读。
示例
购物网站会根据客户的购买频率、金额和感兴趣的商品，把客户分成若干群组，对每个群组开展不同的营销。在 LLM 服务中，也会先对用户问题做嵌入再进行聚类，以了解“人们主要问哪些主题”，并找出经常失败的问题组加以改进。