K-means是一种无监督学习算法，能够对无标签的数据集进行聚类。
基本思想：
1初始化若干个聚类中心；
2将每个训练数据分配给某个聚类中心，作为该类的一员，依据经常是点的距离
3更新每个聚类中心为该类所有点坐标的平均值
4重复以上直到收敛（中心不再变化）
形式化描述：
上图中，k是类的个数，事先人为确定。
k-means保证收敛，但并不能保证有效。初始中心点选的不好时可能无法聚类，例如，有两个训练数据，然后初始点选到了这两个点的垂直平分线上，那么就无法聚类。但在随机选取初始点的情况下，多次运行该算法，算法无效的概率是很低的。
关于收敛，考虑下面的函数：