Как работает алгоритм k-means?

K-Means — кластеризация. Выбираем k центроидов случайно, назначаем точки ближайшему, пересчитываем центроиды, повторяем до сходимости. KMeans(n_clusters=3, n_init=10). Нужно задать k заранее — Elbow method (inertia vs k), Silhouette score. Инициализация: k-means++ (умная, по умолчанию). Минусы: чувствителен к начальной инициализации, находит только сферические кластеры, чувствителен к выбросам. MiniBatchKMeans — для больших данных. Нужно масштабирование! Альтернативы: DBSCAN (не нужен k), Gaussian Mixture (мягкая кластеризация).