CV复习：K-means聚类

算法实现步骤

1、首先确定一个k值，即我们希望将数据集经过聚类得到k个集合。【这个题目给你了，k=3啥的】

2、从数据集中随机选择k个数据点作为质心。【这个其实还不用随机初始化，我们可以就令arr的前k个位置为质心】

3、对数据集arr中每一个点cur，计算其与每一个质心（label从0–k-1个簇）的距离（如欧式距离），离哪个质心label近，cur就划分到哪个质心所属的集合。

4、把所有数据归好集合后，一共有k个集合。然后重新计算每个集合的质心。

5、继续返回1去迭代，T步，经常是需要迭代100步骤。

时间复杂度：

arr总共有N个点

class_center是k个簇的类中心，初始化的话，取arr前k个就行了
sample_class当做我们每个点最后的聚类结果，放他们的类别cls

（0）算法要迭代T=100次
（1）（0）内部每1次迭代，你需要计算N个点中，所有点cur到k簇质心的距离
（2）（1）的内部，你看看cur点到k个质心距离，谁最小，那就把cur归到它这个集合class_cluster中
等k个质心都算过了，那就要不最终归类的结果放到sample_class里面

（3）最后拿着这个集合簇class_cluster࿰