聚类算法：K-Means

  K-Means聚类算法是一种基于距离的聚类算法，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则，最终的目标就是根据输入参数K，将数据对象分为K个簇。算法采用误差平方和准则函数作为聚类准则函数。

1. 基本思想：

    1、指定需要划分的簇的个数K值
    2、随机选取K个初始聚类中心
    3、计算各个数据到这K个初始聚类中心的距离，把数据对象划分到最近的聚类中心所处的簇中
    4、计算每一组的平均值，作为新的聚类中心
    5、重复2~4直至中心点不再发生变化

  一般情况下我们都是使用欧式几何距离作为聚类的目标函数：
d = ( x 1 2 − x 2 2 ) + ( y 1 2 − y 2 2 ) {\text{d}} = \sqrt {(x_1^2 - x_2^2) + (y_1^2 - y_2^2)} d=(x12​−x22​)+(y12​−y