Kmeans Clustering
Kmeans算法是将一些杂乱无章的数，分为若干个类的一种聚类方法
实现原理：(借助网上的一张截图)
算法步骤：（k表示聚类中心的个数，上图为3）
（1）随机选取任意k个对象作为初始聚类中心，初始代表一个簇；
（2）计算点到质心的距离，并把它归到最近的质心的类；
（3）重新计算已经得到的各个类的质心；
（4）迭代2~3步直至新的质心与原质心相等或小于指定阈值，算法结束。
K-means算法的优缺点：
1.效果好，不易受初始值得影响
2.不能处理非球形的簇
3.不能处理不同尺寸，不同密度的簇
4.容易受孤立点的影响（需要我们人为干预，进行剔除）
常用的距离算法：
1.欧几里得距离
2.余弦相似度
转载于:https://my.oschina.net/repine/blog/282955