通俗易懂讲透均值漂移（Mean Shift）聚类算法

不用指定簇数、自动找高密度区域，这是Mean Shift最香的特点！本文用大白话+生活案例+公式详解+可直接运行代码，本科生、研究生都能轻松看懂。

---

一、均值漂移是什么？一句话讲明白

均值漂移（Mean Shift）是基于密度的无监督聚类算法。
它的核心逻辑：
让每个数据点往“周围点最多、最拥挤”的地方移动，直到不再动，最后聚在一起的就是一类。

你可以把它理解为：

• 数据点 = 水面上的小船
• 每只船都往人最多的湖心漂
• 最后所有船自动聚成几堆 → 这就是聚类结果

---

二、超通俗生活案例：给糖果自动分组

桌上有6颗糖果，坐标如下：
(1,2)、(2,2)、(3,2)、(8,8)、(9,8)、(9,9)

我们用Mean Shift自动分组：

步骤1：设置窗口半径 bandwith

相当于“看多远”，这里设 h=3。

步骤2：每个点找周围邻居，算平均位置

• 左边3个点邻居互相重叠，平均位置是 (2,2)
• 右边3个点邻居互相重叠，平均位置约 (8.67,8.33)

步骤3：不断往平均位置漂移

所有点慢慢向这两个中心靠拢。

步骤4：收敛停止

最终自动分成2类，完全不用提前告诉算法分几组！

---

三、Mean Shift 标准算法流程（必背）

1. 选带宽h：确定每个点观察的范围大小
2. 对每个点：在窗口内算加权均值（密度中心）
3. 漂移：把点移到这个均值位置
4. 迭代：重复计算→移动，直到点几乎不动
5. 合并中心：靠得很近的中心算同一个簇

---

四、核心公式（报告/作业直接用）

1. 核密度估计（算密度）

$$f(x)=\frac{1}{n{h}^d}\sum _{i=1}^{n}K\left(\frac{\Vert x-x_i\Vert }{h}\right)$$

• h：带宽（搜索半径）
• K：核函数（常用高斯核）
• 含义：x点周围有多“拥挤”

2. 加权均值（漂移目标点）

$$\mu (x)=\frac{\sum x_i\cdot K\left(\frac{\Vert x-x_i\Vert }{h}\right)}{\sum K\left(\frac{\Vert x-x_i\Vert }{h}\right)}$$

3. 均值漂移向量（移动方向）

$$m(x)=\mu (x)-x$$

4. 点更新规则

$$x_{new}=x_{old}+m(x)$$

---

五、关键参数：带宽 bandwidth

带宽h是Mean Shift唯一重要参数：

• h太大：簇变少，可能把不同类合并
• h太小：簇变多，过度分割
• 实战技巧：用 estimate_bandwidth() 自动估算

---

六、完整实战代码（可直接复制运行）

用Mean Shift做二维数据聚类+密度图可视化：

# 安装依赖
# pip install numpy matplotlib scikit-learn seaborn

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.cluster import MeanShift, estimate_bandwidth
from sklearn.datasets import make_blobs

# 1. 生成测试数据
centers = [[2, 3], [8, 8], [1, 10], [9, 1]]
cluster_std = [1.0, 0.8, 1.5, 0.5]
X, _ = make_blobs(n_samples=3000, centers=centers, 
                   cluster_std=cluster_std, random_state=42)

# 2. 自动计算最佳带宽
bandwidth = estimate_bandwidth(X, quantile=0.2, n_samples=500)
print(f"自动估算带宽：{bandwidth:.2f}")

# 3. 均值漂移聚类
ms = MeanShift(bandwidth=bandwidth, bin_seeding=True)
ms.fit(X)
labels = ms.labels_
cluster_centers = ms.cluster_centers_
n_clusters = len(np.unique(labels))
print(f"自动聚类数量：{n_clusters}")

# 4. 绘制聚类结果
plt.figure(figsize=(14, 7))
colors = sns.color_palette("bright", n_colors=n_clusters)
for k, col in zip(np.unique(labels), colors):
    mask = labels == k
    plt.scatter(X[mask, 0], X[mask, 1], c=[col], s=30, alpha=0.7)
plt.scatter(cluster_centers[:,0], cluster_centers[:,1], 
            c='black', s=300, marker='X', label='Cluster Center')
plt.title(f"Mean Shift 聚类结果（簇数={n_clusters}）", fontsize=16)
plt.legend()
plt.grid(True)
plt.show()

# 5. 绘制密度分布图
plt.figure(figsize=(14,7))
sns.kdeplot(x=X[:,0], y=X[:,1], fill=True, cmap="viridis", alpha=0.8)
plt.scatter(cluster_centers[:,0], cluster_centers[:,1], 
            c='red', s=300, marker='X', label='Center')
plt.title("数据密度分布与聚类中心", fontsize=16)
plt.legend()
plt.grid(True)
plt.show()

代码亮点

• 自动估算带宽，不用手动调参
• 自动输出簇数
• 双图展示：聚类结果+密度分布
• 适配作业、报告、博客

---

七、Mean Shift 优缺点（面试/报告必写）

✅ 优点

1. 不用指定K：算法自动找簇数
2. 支持任意形状：环形、弯曲、不规则簇都能分
3. 基于密度：对噪声有一定鲁棒性
4. 原理直观：漂移→收敛，容易理解

❌ 缺点

1. 速度慢：复杂度O(n²)，大数据不友好
2. 对带宽h极度敏感
3. 高维数据效果差
4. 可能收敛到局部最优

---

八、适用场景（什么时候用它？）

👉 首选Mean Shift

• 不知道要分几类
• 数据形状不规则、密度不均匀
• 图像分割、目标跟踪、视频目标检测
• 小规模数据、需要自动化分组

👉 不推荐用

• 百万级大数据 → 用Mini-Batch K-Means
• 高维稀疏数据 → 用谱聚类
• 追求极致速度 → 用K-Means

---

九、一句话总结

均值漂移（Mean Shift）是不用设簇数、自动找高密度区的聚类算法，靠“往人多的地方漂”实现分组，特别适合不规则分布与图像类任务。