本文提出一种基于数量自动确定的机床主轴热误差通用型温度敏感点组合选取方法以解决敏感点数量的选取依赖人工经验的问题。首先，计算各温度变量与热误差之间的绝对均相关系数以评估各温度点对主轴热误差的相关程度。其次，将绝对均相关系数最大的温度点作为K-Means++聚类算法的首个初始聚类中心，进一步选取一系列数量不同的温度敏感点组合。然后，将所得的一系列敏感点组合和热误差作为输入，建立反向传播（Back Propagation， BP）神经网络热误差模型，并通过评价指标选取预测性能最优的温度敏感点组合。最后，在VMC850数控机床上进行了最优温度敏感点组合在不同工况相同误差项、相同工况不同误差项中的有效性以及在不同热误差模型中的通用性验证。结果表明，本文提出的温度敏感点组合选取法适用于不同工况下的误差预测，且在不同的热误差模型中具有良好的通用性。