k-means

k-means

   聚类算法是在不知道数据标签的情况下将相似的数据分为一类。K-means是一个经典的聚类算法，在实践中往往得到不错的效果。

K-means的算法流程：

1. 选择K个中心点，计算样本中每个点与这K个点的距离。
2. 比较样本点离那个中心点最近的，并将该样本点划分到离样本点最近的类别中。
3. 根据第2步将每个样本分为K个簇，求每个簇的中心点，将其作为新的中心点。
4. 重复的执行1到3步，直到簇的中心变化小于规定值，或者达到预定的迭代次数，或者MSE小于预定值。

​    算法的可视化如图：

算法的优点：

1. 计算的时间复杂度接近线性（ O ( n k t ) O(nkt)