作为天天跟聚类算法打交道的老玩家，我经常被问到这俩算法该怎么选——其实它们的底层逻辑完全是两种路子，适用场景天差地别。下面我拆解下核心区别，再说说什么时候优先选层次聚类更靠谱。

一、核心区别对比 #

1. 聚类逻辑与结果形式 #

• K-Means：属于「划分式聚类」——你得先拍板要分几类（也就是K值），然后算法会把所有样本往这K个簇里分配，不断调整簇中心（质心），直到每个簇内的样本尽可能相似、簇间尽可能不同。最终得到的是扁平的、互不重叠的K个簇，没有层级关系。
• 层次聚类：属于「层级式聚类」，主流是「凝聚式」（从每个样本单独成簇开始，一步步合并最相似的簇），也有少数「分裂式」（从整个数据集为一个簇开始拆分）。最终会生成一个树状的谱系图（Dendrogram），你可以在任意高度切割这个树，得到不同数量的簇，灵活性拉满。

2. 对K值的依赖 #

• K-Means：必须提前指定K值，选不好直接崩——比如实际数据有5个簇，你设成3，结果肯定不准；而且选K的方法（比如肘部法、轮廓系数）也不是100%靠谱，很考验经验。
• 层次聚类：完全不需要预先定义K值！跑完算法看谱系图，根据业务需求或者数据的自然分割点选就行，比如树里突然出现很长的分支，说明这俩簇差异很大，适合在这切割。

3. 计算效率 #

• K-Means：时间复杂度是O(nkt)（n是样本数，k是簇数，t是迭代次数），对大数据集友好，几十万样本也能跑起来。
• 层次聚类：时间复杂度是O(n³)，样本数超过1000就会明显变慢，只适合小数据集（几百样本以内）。

4. 对数据分布的假设 #

• K-Means：有很强的假设——它默认簇是凸形、大小相近、密度均匀的，遇到非凸簇（比如环形、月牙形）或者密度差异大的簇，效果会惨不忍睹。
• 层次聚类：几乎没有分布假设，只要你选对了样本间的距离度量（比如欧氏距离、余弦距离）和簇的合并规则（比如单链接、全链接），就能处理各种不规则形状的簇。

5. 离群点敏感度 #

• K-Means：对离群点超级敏感——因为质心是簇内样本的均值，离群点会直接把质心拉偏，导致整个簇的划分出错。
• 层次聚类：相对抗离群点一些，除非离群点在早期就和其他簇合并，否则大部分情况下，离群点会单独成一个小分支，不会影响主要簇的划分。

6. 结果可重复性 #

• K-Means：因为初始质心是随机选的，不同次运行可能得到不同的簇划分，除非你固定随机种子。
• 层次聚类：只要距离度量和合并规则固定，结果是完全可重复的，不会有随机性问题。

二、优先选择层次聚类的场景 #

1. 小数据集的探索性分析 #

如果你的样本量不大（几百以内），还没搞清楚数据的内在结构，层次聚类绝对是首选——谱系图能直观展示样本间的亲疏关系，帮你快速找到数据的自然分组，不用瞎猜K值。比如做用户调研的小样本分析、学术研究中的实验数据聚类。

2. 需要展示层级关系的场景 #

如果你的业务需要清晰的分层逻辑，比如生物物种的进化分类、文档主题的层级结构、电商用户的分层画像，层次聚类的树状图能完美展示从细到粗的分类过程，解释性极强，甚至可以直接拿给非技术的业务方看。

3. 数据分布不规则的场景 #

当你的数据簇是非凸形、密度差异大或者形状奇怪时（比如地理空间中的商圈分布、社交网络的社区结构），K-Means根本抓不住这些簇的边界，而层次聚类选对合并规则（比如单链接能抓住链式的簇）就能轻松处理。

4. 看重结果稳定性的场景 #

比如学术研究、需要严谨结论的细分市场分析，你肯定不希望每次跑算法得到不同的结果——层次聚类固定参数后结果完全一致，没有随机性，能保证结论的可靠性。

5. 需要灵活调整簇数量的场景 #

如果一开始不确定要分3类还是5类，层次聚类的谱系图可以随时在不同高度切割，得到不同数量的簇，不用重新跑算法。比如做产品的用户细分，你可以先看整体结构，再根据运营需求调整簇的数量。

内容的提问来源于stack exchange，提问作者Michael Laster