一些简单的聚类算法

k-means 算法流程如下：

1. 随机选取 k 个 中心点：$c_1，c_2,\dots \dots c_k$；
2. 对每一个样本，计算与每个中心点之间的距离，取最小的作为它的归类；
3. 重新计算每个类的中心点
4. 如果每个中心点变化很小，则算法收敛，退出；否则迭代1-3

优点：可以快速收敛
缺点：

1. 只适用于连续的 n 维空间 (因为要求均值)
2. 需要定义 k
3. 对噪点敏感（一个异常点可能会改变簇的分布，而这个分布并不是我们想要的，见下图）
4. 会陷入局部最优（为什么请看这里为什么k-mean不能达到全局最优）

5. 该方法不适于发现非凸面形状的簇（使用距离度量，生成球状簇）
6. 簇的大小应该接近 （因为距离度量）<