K-means聚类算法原理简单介绍

• K-means算法

（1. 刚开始随机选择两个点作为簇重心，然后计算每个数据点离这个重心的距离并把这些点归为两个类）

（上一步的结果如下图，所有离蓝色叉近的点被标为蓝色了，红色亦然）

（下面的图中的两条直线是我自己加上去的，说明刚开始进行分类的时候是用直线来分割类的，在直线的上边则归为和红叉一类，在下面则归为和蓝叉一类，这条直线的选择是根据红叉和蓝叉连线的平分垂直线）

（2. 进行重心转移，即把所有蓝色点计算出平均值作为重心，红色点也是一样，计算出的结果如下图，这是第一次迭代）

（如上图，计算出重心后，再重新计算离红叉和蓝叉的点的距离，再重新分配簇。结果如下图）

（然后再重新计算这些点的平均值作为簇重心，这是第二次迭代，结果如下图，结果显示重心已经很收敛了，再进行迭代重心不会改变了）