K-means聚类算法

K-means聚类算法是最普及的，也是比较简单的聚类算法。可以分为以下几个步骤：
（1）确定K值，也即确定我们要将数据分为多少个组； （2）从数据集中随机选取 K 个数据作为初始中心点；
（3）对集合中每一个数据，计算其与每一个中心点的距离，离那个中心点近，就归那个组；
（4）在每组中按一定的算法重新选择中心点，通常是求每一群的平均值。
（5）如果新的中心点和旧的中心点之间的距离小于某一个设置的阈值（表示重新计算的中心的位置变化不大，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。
（6）如果新的中心点和旧的中心点之间的距离变化很大，需要迭代3~5步骤。