# K 均值聚类与主成分分析

> 来源：https://deeplearning.bnuai.com/demos/kmeans-pca ｜ 作者：唐志清（北京师范大学） ｜ 更新：2026-11-01 ｜ 内容依据邱锡鹏《神经网络与深度学习》（https://nndl.ai/）及作者公开课件

> （此处为交互演示，请在网页中使用：https://deeplearning.bnuai.com/demos/kmeans-pca）

## 观察要点

1. K 均值的目标是最小化簇内平方和，交替优化保证单调下降、必然收敛，但可能是局部最优。
2. k-means++ 让初始中心彼此远离，通常收敛更快、结果更好。
3. PCA 的主成分是协方差矩阵的特征向量，特征值就是该方向上的方差。

相关章节：[第 9 章 无监督学习](https://deeplearning.bnuai.com/chapters/09-unsupervised-learning)。