“K 均值聚类”是 JMP 提供的对观测进行聚类的四个平台之一。有关四种方法的比较，请参见对观测聚类的平台概述。
“K 均值聚类”平台使用迭代拟合过程形成指定数量的聚类。K- 均值算法首先选择一组称为聚类种子的 k 个点作为对聚类均值的最初推测。每个观测被分配到最近的聚类种子，形成一组临时聚类。然后这些种子被聚类均值替代，各点会重新分配，最后该过程一直持续到聚类中不再有进一步的变化。
K-均值算法是 EM 算法的一种特殊情况，其中 E 代表期望，M 代表最大化。在 K-均值算法中，计算临时聚类均值代表期望步，将点分配给最近的聚类代表最大化步。
K-均值聚类仅支持数值列。K-均值聚类忽略建模类型（名义型和有序型），而将所有数值列视为连续型。
您必须提前指定聚类数 k 或 k 的值范围。不过，您可以比较不同 k 值的结果以选择适合您的数据的最优聚类数。
有关 K 均值聚类的背景信息，请参见 SAS Institute Inc.(2018d) 中的“FASTCLUS 过程”一章以及 Hastie et al.(2009)。