应通过五步优化K均值：一、标准化+PCA降维；二、K-means++初始化；三、马氏距离替代欧氏距离；四、AnomalyScore加权迭代；五、绑定Qlib残差流实现滑动窗口增量聚类。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用Hermes Agent进行时序数据异常检测时，发现原始信号中存在噪声干扰或聚类边界模糊，导致K均值无法稳定识别离群模式，则可能是由于特征空间未适配、初始质心敏感或距离度量不匹配所致。以下是解决此问题的步骤：
一、标准化特征向量并重映射至欧氏友好空间
原始传感器读数或回测收益序列常具有量纲差异与偏态分布，直接应用K均值会导致质心漂移与簇内畸变。需先对输入特征做Z-score标准化，并通过主成分分析（PCA）压缩至低维正交子空间，以增强簇结构可分性。
1、进入Hermes Agent工作目录，定位到skills/anomaly_detection/子路径。
2、编辑kmeans_preprocessor.py文件，在fit_transform方法中插入PCA降维逻辑：调用sklearn.decomposition.PCA(n_components=0.95)保留95%方差。
3、在预处理流程末尾添加标准化层：StandardScaler().fit_transform(pca_result)，确保各维度单位一致。
4、保存修改后，执行hermes skill reload kmeans_preprocessor命令强制重载该技能模块。
二、采用K-means++初始化替代随机质心采样
K均值对初始质心位置高度敏感，随机选取易陷入局部最优，尤其在多峰异常分布场景下显著降低召回率。K-means++通过概率加权方式选择远距样本作为初始中心，提升全局收敛稳定性。
1、打开tools/clustering/kmeans_core.py，定位_initialize_centroids函数定义处。
2、将原np.random.choice替换为sklearn.cluster.KMeans(init='k-means++', n_init=1)实例化调用。
3、确认n_clusters参数由上游anomaly_config.yaml中k_value_strategy: auto_elbow动态推导得出，而非硬编码。
4、运行python -m pytest tests/tools/test_kmeans_core.py -k "test_initialization"验证初始化逻辑正确性。
三、嵌入马氏距离替代欧氏距离进行簇内度量
当异常样本在原始特征空间中呈椭球状分布而非球形时，欧氏距离无法反映真实相似性。马氏距离通过协方差矩阵归一化，能自适应不同方向上的尺度变化，更适用于金融时序残差或卫星遥测偏差等非各向同性异常。
1、在skills/anomaly_detection/mahalanobis_adapter.py中实现compute_mahalanobis函数，接收当前簇协方差矩阵与样本向量。
2、修改kmeans_core.py中的_assign_clusters方法，将距离计算分支切换至马氏路径，调用上述适配器。
3、为避免奇异协方差矩阵，加入正则项：cov + 1e-6 * np.eye(cov.shape[0])。
4、在anomaly_config.yaml中新增字段distance_metric: mahalanobis，并在加载时触发条件分支。
四、引入AnomalyScore加权迭代机制
标准K均值仅依据最小距离分配样本，忽略点密度与局部离群程度。AnomalyScore机制为每个样本赋予基于KNN距离比的权重，在每次EM迭代中按权重调整质心更新步长，使异常点对质心牵引力衰减。
1、于skills/anomaly_detection/anomaly_scorer.py中实现get_anomaly_score函数，采用sklearn.neighbors.NearestNeighbors计算第5近邻平均距离。
2、在kmeans_core.py的_update_centroids方法中，将原始均值更新替换为加权均值：np.average(points, weights=scores, axis=0)。
3、设置阈值触发开关：当某簇内max(scores) > 2.5 * median(scores)时，标记该簇为高置信异常候选。
4、通过hermes run skill anomaly_scorer --input-path /data/qlib/features.pkl独立测试评分模块输出分布。
五、绑定Qlib因子残差流实现在线增量聚类
Hermes Agent需对接Qlib实时因子输出，但标准K均值为批处理算法，无法响应流式数据。本方案通过滑动窗口缓存最近N条因子残差，并在窗口满时触发轻量级重聚类，同时保留历史质心作为冷启动锚点。
1、在environments/qlib_integration/stream_kmeans.py中定义SlidingWindowKMeans类，继承自sklearn.cluster.MiniBatchKMeans。
2、覆盖partial_fit方法，注入窗口缓冲逻辑：每接收一条新残差，写入环形缓冲区，满时调用super().partial_fit。
3、配置Qlib的online_mode: true与factor_output_hook: stream_kmeans，使因子计算结果直通聚类管道。
4、在hermes config set qlib.stream_window_size 512中设定窗口长度，该值需大于预期异常周期长度。
