K-means与K-means++

参考：
https://blog.youkuaiyun.com/u013129109/article/details/80063111
https://blog.youkuaiyun.com/sorawa/article/details/6630729
https://blog.youkuaiyun.com/u011204487/article/details/59624571
原始k-means算法：

1. K-means算法优点：
（1）是解决聚类问题的一种经典算法，简单、快速
（2）对处理大数据集，该算法保持可伸缩性和高效性
（3）当簇接近高斯分布时，它的效果较好。

2.K-means算法的缺点：
（1）在簇的平均值可被定义的情况下才能使用，可能不适用于某些应用；
（2）在 K-means 算法中 K 是事先给定的，这个 K 值的选定是非常难以估计的。很多时候，事先并不知道给定的数据集应该分成多少个类别才最合适；
（3）在 K-means 算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化。这个初始聚类中心的选择对聚类结果有较大的影响，一旦初始值选择的不好，可能无法得到有效的聚类结果；
（4）该算法需要不断地进行样本分类调整，不断地计算调整后的新的聚类中心，因此当数据量非常大时，算法的时间开销是非常大的；
（5）若簇中含有异常点，将导致均值偏离严重（即:对