Spark-K-Means算法

机器学习算法大体分为三类：监督学习（supervised learning）、无监督学习（unsupervised learning）和半监督学习（semi-supervised learning）。监督学习是指我们利用带有类别属性标注的数据去训练、学习，用于预测未知数据的类别属性。例如，根据用户之前的购物行为去预测用户是否会购买某一商品。常用的算法有决策树，支持向量机SVM，朴素贝叶斯分类器，K-近邻算法KNN，线性回归和逻辑回归等.无监督学习是指在无人工干预的情况下将数据按照相似程度划分，而聚类算法就是非常典型的无监督学习方法，通常要处理的数据没有标签信息，可以通过计算数据之间的相似性来自动划分类别。

K-Means算法

算法的思想是初始随机给定K个簇中心，按照距离最近原则把待分类的样本点分到各个簇，然后按平均法重新计算各个簇的质心，从而确定新的簇心，迭代计算，直到簇心的移动距离小于某个给定的误差值。使用算法描述语言，只要四个步骤：

任意选择K个点作为初始聚类中心；
计算每个样本点到聚类中心的距离，将每个样本点划分到离该点最近的聚类中去；
计算每个聚类中所有点的坐标平均值，并将这个平均值作为新的聚类中心；
反复执行2、3，直到聚类中心的移动小于某误差值或者聚类次数达到要求为止。

这里计算距离的方法通常是计算欧几里得距离，假设中心点center是(x1, y1)，需要计算的样本点point是(x2, y2)：

另外，给出损失函数（Cost Function），每一次选取好新的中心点，我们就要计算一