在线 k-means（通常称为顺序 k-means）和传统 k-means 非常相似。不同之处在于在线 k-means 允许您在收到新数据时更新模型。

当您希望一个接一个地接收数据（或者可能以块的形式）时，应该使用在线 k-means。这允许您在获得更多信息时更新您的模型。这种方法的缺点是它依赖于接收数据的顺序（ref）。

最初的 MacQueen k-means 出版物（第一个使用名称“kmeans”）是一种在线算法。

麦昆，JB (1967)。“多变量观察的分类和分析的一些方法”。5th Berkeley Symposium on Mathematical Statistics and Probability 1. 加州大学出版社。第 281–297 页

在分配每个点之后，使用简单的加权平均公式递增地更新平均值（旧平均值用 n 加权，如果平均值之前有 n 个观察值，则新观察值用 1 加权）。

据我所知，它也只是对数据的一次传递，尽管它可以重复多次以重新分配点直到收敛。

如果您的数据被打乱，MacQueen 通常比 Lloyds 需要更少的迭代来收敛（因为它更快地更新平均值！）。在有序数据上，它可能会出现问题。不利的一面是，它需要对每个对象进行更多计算，因此每次迭代花费的时间稍长（显然是额外的数学运算）。