K-means聚类与K-means聚类可视化

K-means聚类大致思想可以通俗地理解成这样:

K-Means 聚类算法的大致思想就是“物以类聚，人以群分”：

1、首先输入 k 的值，即我们指定希望通过聚类得到 k 个分组；

2、从数据集中随机选取 k 个数据点作为初始大佬（质心）；

3、对集合中每一个小弟，计算与每一个大佬的距离，离哪个大佬距离近，就跟定哪个大佬；这时每一个大佬手下都聚集了一票小弟，这时候召开选举大会，每一群选出新的大佬（即通过算法选出新的质心）；

4、如果新大佬和老大佬之间的距离小于某一个设置的阈值（表示重新计算的质心的位置变化不大，趋于稳定，或者说收敛），可以认为我们进行的聚类已经达到期望的结果，算法终止；

5、如果新大佬和老大佬距离变化很大，需要迭代3~5步骤。

参考：

知乎专栏

Youtube k-means visualization

k-means algorithm visualization