非监督学习方法：K-means算法

一. 聚类（K-means算法）

1. 是数据挖掘十大经典算法之一。

2. 算法接受参数K，然后将事先输入的n个对象划分为k个聚类，以便使得所获得的聚类满足：同一聚类中的对象相似度较高，而不同聚类中的对象相似度低。

3. 算法思想：先选出初始的中心点，以每个中心点进行聚类，也就是计算每个点到各个中心点的距离，找到距离某个中心点最小的距离归为那个中心点那一类。再以这些聚类好的点的中心进行聚类，不断迭代，直至得到最好的聚类效果。

4. 算法流程：

5. 优缺点：

     优点：速度快，简单。对球状数据类型比较好。

     缺点：跟初始点选择有关，容易陷入局部最优，需要知道k值。