Kmeans算法理解

	Kmeans有两个重要的问题：
	1、选择K值
		k是我们KMEANS算法的关键值；
		Spark ml中提供computecost.所有点到其最近的中心点的平方和来评估聚类效果，同样的迭代次数和算法跑的次数，这个值越小代表聚类效果越好
	2、初始聚类中心的选择
	    1）随机模式，会造成聚类的结果和数据的实际分布差距很大
	    2）k-means++：初始的聚类中心之间的相互聚类要尽可能远
	               计算步骤如下：
	               一：从输入的数据点集合中随机选择一个点作为第一个初始点；
	               二：计算数据集中所有点与最新选择的中心点的距离D（x）;
	               三：选择下一个中心点：p(x)=D(x)2/ED(X)2  使得离前一个中心聚类最远
	               四：重复二、三步骤，直到K个初始点选择完成

如下图所示：

1、首先分别计算 abced 5个点到聚类1，聚类2的距离
2、由图可知，a、b距离聚类1较近，属于一类，c、d、e距离聚类2较近，属于另外一类
3、由于聚类1、聚类2离这些点的距离比较远，所有计算点a、点b的距离平均值，计算c、d、e的平均值，重新选择2个点作为新的聚类点，如图2
4、按照以上算法进行迭代，最后计算出聚类中心