K-means算法聚类原理

所谓的聚类，就是将样本划分为由类似的对象组成的多个类的过程。聚类后，我们可以更加准确的在每个类中单独使用统计模型进行估计，分析或预测；也可以探究不同类之间的相关性和主要差异。
K-means聚类算法的流程：
1，指定需要划分的簇的个数K值（类的个数）；
2，随机地选择K个数据对象作为初始聚类的中心（不一定是我们的样本点）
3，计算其余的各个数据对象到这K个初始聚类的中心的距离，把数据对象划归到距离它最近的那个中心所在的簇类中；
4，调整新类并且重新计算出新类的中心；
5，循环步骤3和4，看中心是否收敛（不变），如果收敛或达到迭代次数则停止循环；
6，结束
其中第四步的聚类中心就是重心。
其过程示意图如下