聚类
K-means 是聚类算法。不同于分类，聚类是事先不知道有几类的情况下，将数据聚合成几个群体，相当于自己划出几个类出来，属于无监督学习。
K-means 算法流程
1）选质心：随机选取K个数据作为质心
2）聚集：对全局数据，计算质心之外的数据到K个质心的距离，到哪个质心距离最近就归到这个质心的团体中
3）选质心：得到了K个团体，对各个团体通过计算数据的平均值得到该团体新的质心（此时的质心很可能是虚拟点，即不存在原数据中）
4）重新聚集：对全局数据，计算质心之外的数据到K个质心的距离，到哪个质心距离最近就归到这个质心的团体中
5）验证：查看这次聚集的团体跟上次聚集的团体有没有变化。没有变化则结束，有变化则继续循环3）和 4）
通过图解就是:
通过上图可以看到6）相对于5）的团体没有变化，所以已经收敛，聚类结束
实例
问题：将下面6个点聚类为2类
1）选择P1和P2为初始质心
2）通过计算其它点到质心P1, P2的距离来聚集团体：
根据距离计算，得到两个团体：
A 团: P1
B 团: P2, P3, P4, P5, P6
3）对A, B团分别选新质心：
A团质心是P1自己，B团质心是PB=(6.2, 5.6)
4）围绕质心P1和PB，重新聚集团体：
首先距离计算为
更新团体为：
C 团: P1, P2, P3
D 团: P4, P5, P6
团体相对A,B发生了改变，所以继续
5）对C, D团分别选新质心：
C团质心是PC=(1.33, 1), D团质心是PD=(9, 8.33)
6）围绕质心PC和PD，重新聚集团体：
首先距离计算为
更新团体为：
E 团: P1, P2, P3
F 团: P4, P5, P6
团体相对C,D没有改变，所以已经收敛了。结束!
以上。