第11课：《文学遇上算法：K-MEANS分组魔法》

【学习目标】

• 了解K-MEANS聚类算法的核心步骤

• 掌握用特征差判断人物相似度的方法

• 体验数据驱动的文学分析过程

【情境导入】

《三国演义》中关羽千里走单骑，《水浒传》中宋江浔阳楼题反诗，《西游记》中孙悟空三打白骨精，《红楼梦》中林黛玉树下葬花……这些经典人物如果聚在一起开“名著聚会”，该怎么分组呢？按性别分？按朝代分？按性格分？有一种AI算法叫K-MEANS，它能根据人物的特征数据自动分组——不需要提前告诉它怎么分，它自己就能找到最合理的分组方式！让我们看看文学和算法碰撞出怎样的火花吧！

【知识大揭秘】

K-MEANS是一种“无监督学习”算法——它不需要提前标注好答案，而是自动发现数据中的分组规律。K-MEANS的核心步骤只有四步：

第一步：确定小队数（K值）。想分几个组就设K等于几。比如要把四大名著的人物分4个队，K就等于4。

第二步：选初始小队长。从所有人物中随机挑选K个人，每人当一个队的“初始小队长”。

第三步：比较像不像。计算每个人物和每个小队长的“特征差”——特征差越小，说明越相似。比如关羽和宋江的“忠义度”都很高，特征差就小；关羽和林黛玉的性格差异很大，特征差就大。每个人物选择和自己特征差最小的小队长组队。

第四步：更新小队长。组队完成后，每个队选出新的“中心人物”作为新小队长（特征最接近全队平均值的人）。然后重复第三步和第四步，直到分组不再变化为止。

K-MEANS的妙处在于：它完全根据数据特征来分组，不受人为偏见影响。比如它可能把关羽和武松分在一组（都是武将型），把诸葛亮和吴用分在一组（都是谋士型），这种分组方式可能和我们直觉不同，但从特征数据来看是最合理的。

【生活案例】AI帮你整理书架
小美的书架上有100本书，她想按类型整理但不知道怎么分。她把每本书的“特征”（页数、价格、是否小说、是否科普等）输入K-MEANS工具，设K=5，AI自动把100本书分成了5组：小说类、科普类、漫画类、历史类、工具书类。小美发现，有几本被AI分到“小说类”的书她原本以为是科普书，仔细一看确实有很强的故事性——AI的分组比她自己的分类更合理！

【AI看图学】

【动手玩一玩】

任务：用K-MEANS给名著人物分组

步骤：
1. 选择6-8个四大名著中你熟悉的人物
2. 为每个人物从3个维度打分（1-5分）：武力值、智谋值、忠义值
3. 在纸上画坐标图，把人物按分数标注在图上
4. 尝试手动模拟K-MEANS：设K=2，随机选2个队长，按特征差分组
5. 重复迭代2-3次，观察分组是否稳定

预期结果：武力值高的人物（关羽、武松）会被分在一组，智谋值高的人物（诸葛亮、吴用）会被分在另一组。

【思考与延伸】

K-MEANS是“无监督学习”，不需要人告诉它答案。你觉得这种“自己发现规律”的方式和“人教它学”的方式各有什么优缺点？