k-means聚类算法

1.这个是非监督学习算法。大致的算法过程如下：

    选择要分成的类别的个数：这个可以使用“肘部算法”(距离损失之和和选择聚类个数的曲线图，在有特别弯折的地方就是，要选取的聚类的个数，但是很多情况下这个并没有特别明显的弯折)， 所以很多时候要根据具体的需要来进行确定要聚类的种类数。

    选取好了聚类的个数，就随机初始化聚类的点，然后计算各个点到所有聚类中心点的距离，选取一个距离最近的中心点，作为它归属的类，所有的点都有一个当时比较合理的分类之后，再将划分好A类里面的所有点(除聚类中心点以外)求一个中心的平均位置，将之前随机初始化的点移动到那个中心位置，所有的聚类中心点移动完成之后，再重复之前的过程，重新找属于那个聚类中心点点的集合，一次次的重复迭代，然后直到找到最合适的分类为止

2.优缺点

    这个去csdn之类的地方一查就可以了，有很多的解析

3.Kmeans算法的用途

    用于聚类；用于图像压缩(但是一般实际的图像压缩不使用它)