K-means
一种广泛使用的无监督学习算法，主要用于将数据集分成若干个簇（cluster）。它的目标是通过最小化簇内数据点的差异，使得相似的对象被分到同一个簇中，而不同簇的对象尽可能不相似。
原理
以简单的二维数据为例，如下：
txt
有数据
1 2 3 6 7 8 10 11 12
step1：我们通过肉眼观察确定簇的个数(K)，为3
step2：随机取K个点为中心点
1 2 3 6 7 8 10 11 12
↑ ↑ ↑
step3：计算每个点到中心点的距离，并把离的近的归一类
(1 2) (3) (6 7 8 10 11 12)
↑ ↑ ↑
step4：将中心点移动到每个簇的最中心
(1 2) (3) (6 7 8 10 11 12)
↑ ↑ ↑
step5：重复step3
(1 2) (3 6 7) (8 10 11 12)
↑ ↑ ↑
step6：重复step4
(1 2) (3 6 7) (8 10 11 12)
↑ ↑ ↑
step7：重复step3
(1 2 3) (6 7 8) (10 11 12)
↑ ↑ ↑
step8：重复step4
(1 2 3) (6 7 8) (10 11 12)
↑ ↑ ↑
完成图解
1. 选取中心点
2. 分配每个点