一、K-means聚类算法简介

创建k个点作为初始的质心点（随机选择）
当任意一个点的簇分配结果发生改变时
 对数据集中的每一个数据点
 计算质心与数据点的距离
 将数据点分配到距離最近的簇
 对每一个簇计算簇中所有点的均值，并将均值作为质心

下图展示了对n个样本点进行K-means聚类的效果这里k取2。

测试数据是二维的共80个样本。有4个类如下

k-means算法比较简单，但也有几个比较大的缺点：