K-means聚类算法

K-means算法是一种无监督的机器学习算法。无监督学习即事先不知道要寻找的内容。全自动分类，将相似对象归到同一个簇中。用户预先给的K个簇，每个簇通过“质心”来描述。

伪代码：

创建K个点作为起始质心（一般随机选择）
任意一个点所属簇的结果发生改变时
    对数据集中每个点
        对每个质心
            计算数据与质心间的距离
        将数据划分到与它最近的簇
    对于每个簇，重新计算质心（所有点的均值）

求距离的方法，欧氏距离。

聚类效果的度量。一般计算SEE（误差平方和），SEE越小表示数据点越接近他们的质心。

一般误差原因：k的选取。

改进: 二分 K-均值算法
首先将所有点作为一个簇，然后将该簇一分为二。之后选择一个簇继续划分，选择哪个取决于是否可以最大程度降低SEE的值。直到取得合适的K值为止。