1
Amy 原创整理｜资料核验：2026-10-29
Google 聚类课程建议，评估 K-means 结果时检查每个群的样本数量，以及样本到中心的距离总量。群很大时距离总量也可能变大，所以两个量要结合看。
异常群组不一定是算法出错，也可能暴露数据问题，或是值得进一步研究的真实结构。距离度量本身是否符合任务中的相似性，也需要检查。
Amy 的教学做法：每群抽几条代表样本和距离中心较远的样本，记录共同点与反例，再决定群名。若用于后续业务，还应评估它对实际任务有没有帮助。把群命名为“高价值用户”之前，先拿独立业务证据验证这个解释。
官方来源：
https://developers.google.com/machine-learning/clustering/kmeans/evaluate-results