随着科技的进步,带给了人们很多便捷,现在的人们足不出户就可以在网上通过移动设备购买自己心仪的商品。但是,带给人们便捷的同时,也使我们处在了一个信息漫天飞的时代,我们想要从数据中找到有价值的数据真是难上加难。人们通常会使用聚类分析去对数据进行划分,这样很大程度地缩短了我们搜索信息的时间,K-means算法就是其中比较常用的一种,但是K-means算法在处理一些特殊数据的时候还时常会暴露出其缺点。鉴于k-means算法存在的一些缺点,本文将从三个方面对k-means算法进行改进。(1)传统的k-means算法使用欧式距离去计算数据之间的差异性,(2)k-means算法中k值的模糊性和主观性,(3)k-means算法计算聚类中心不会去衡量类与类之间的联系,会被噪声数据影响且性能还不是很好。本文将采用改进的k-means算法去对数据集进行分类,改进后的算法将使用变异系数法去确定每个坐标的权重,以及通过人们比较认同的方式,对数据的坐标进行加权去验证上述变异系数法应用在计算数据之间距离的可行性。通过函数关系去确定k值。通过计算类之间的距离,再去确定哪些类放在一起进行下一次聚类中心的计算。使用变异系数法去计算数据之间的距离,能更加体现人们对于不同商品的侧重点,变异系数会通过科学的计算去计算出不同商品的每个变量的权重,从而使商品在聚类上达到最优的结果。通过函数关系去确认K值,这个函数是由类成员到各自中心点的距离和以及每个聚类中心到所有类成员中心(计算所有类成员的均值作为类成员中心)的距离和组成,当这个函数的值取到最小值时即:聚类最为合理,那么这个时候的k值就是理想的k值。优化寻找中心点的性能,主要是考虑了类与类之间可能存在的差异性比较大,那么对于差异性比较大的类不应该放在一起进行下一次中心点的计算,因为,差异性比较大,它们的中心点只会在它们类本身变化,而且这样做的好处就是,很大程度地减少了噪声数据对于正常数据的影响。