详解K-Means算法

一、引言

K-Means算法是机器学习中最简单、最常见的一种聚类算法。

1.什么是聚类？

通俗来讲，聚类就是将一堆没有标签的原始样本数据，按照某个标准让其中特征一致的样本自动聚成一堆儿，最后原始样本数据聚成了一堆儿一堆儿的。

2.聚类和分类有什么区别吗？

我的理解，通俗来讲的话，聚类之前，我们是不知道有几类的，然后使用聚类算法进行聚。
分类之前，我们是知道类别的，然后使用分类算法，按照各个类别的特征，将原始样本数据进行分类，对应到已经知道的类别。
分类是有监督学习算法，聚类是无监督学习算法。

-------------------------------------------------------------------------

知乎上，我认为不错的回答：

二、K-Means算法的基本概念

三、算法流程

（a）最开始，样本点都是没有标签的。
（b）这里我们设定K=2，随机生成K个初始质心坐标。
（c）然后遍历每一个样本点，计算每一个样本点到两个质心的欧式距离。距离哪一个距离小，就将当前的样本点归为哪一类。
（d）归类完毕之后，计算归类之后，每一类中样本点的新质心。
（e）再次遍历每一个样本点，计算每一个样本点到新质心的欧式距离，按照距离哪一个质心近的原则，重新归类。
（f）不断重新计算质心坐标，不断重新归类…
直到质心坐标不再更新为为止，那样的话，聚类工作也就完成了！

四、总结