K-means聚类算法

k-means算法
　　一、算法概述
　　k-means中的k指的是数据聚成多少个簇，而means指的是根据簇的均值来确定簇中心，从而计算每个实例到每个簇的距离。
　　k-means聚类算法是一种无监督聚类算法，之前我们讲过KNN（K最近算法），是一种有监督的分类算法，其实本质上，KNN和K-means聚类算法，大同小异，与之不一样的地方在于，KNN是计算该实例到每个实例的距离，最后得出其自己的类别；而K-means聚类，是无监督的，是计算每个实例与聚类中心的距离，然后将该实例划分到与聚类中心近的那一类别，重复数次，直到聚类中心不再变化。
　　二、k-means算法原理
　　k-means的算法原理很简单，对于给定的数据集，假设我们想要把数据分成k类，即k个类簇，则有：
　　1）随机从数据集中选取k个点作为初始的聚类中心；（或者随机取k个点作为初始的聚类中心）
　　2）计算数据集中每个实例点到k个聚类中心的距离，然后将该实例点分到最近的聚类中，这样就得到了k个簇；
　　3）根据聚成的k个簇，重新计算每个簇的聚类中心；
　　4）重复上述2-3步，直到k个簇的聚类中心不再变化，或者迭代一定的次数之后，即可停止。
　　三、算法小例子
　　
　　假设现在我们有数据集，如上图࿰