解释一种聚类（Clustering）算法，并说明它适用的场景与局限。
Explain one clustering algorithm and discuss its use cases and limitations.
题目类型: 技术面试题
这是一道技术面试题，常见于澳洲IT公司面试中。
难度: medium
分类: Machine Learning
标签: k-means, unsupervised learning
参考答案摘要
答案 以 K-Means 为例：先选 K 个中心，反复执行“样本分配到最近中心→按均值更新中心”直到收敛。优点是简单高效，适合数值特征、簇近似球形且规模较大的数据。局限包括：需要预先指定 K、对初始中心和异常点敏感、难处理非凸形簇。可用 K-Means++ 初始化、标准化特征、以及轮廓系数/肘部法选择 K 来改进。
答题技巧
技术面试题建议先理清思路再作答，从基础概念讲起，逐步深入。可以结合实际项目经验解释技术原理，展示你的理解深度和实践能力。
本题提供 STAR 原则详细解答和技术解析，登录匠人学院学习中心即可查看完整答案、收藏题目并进行模拟面试练习。
