1.聚類算法和分類算法的區別
a)分類
分類(Categorization or Classification)就是按照某種標准給對象貼標簽(label)，再根據標簽來區分歸類。
舉例：
假如你有一堆動物的頭像圖片樣本，想把它們進行分類，分成：貓，狗，魚等。當在有新的動物圖片進來之后，能夠自動的識別出屬於哪一類，這就是分類，而貓，狗，魚等就是標簽
b）聚類
聚類是指事先沒有“標簽”而通過某種成團分析找出事物之間存在聚集性原因的過程。聚類是在沒有划分類別的情況下，根據數據相似度進行樣本分組的一種方法。
與分類模型需要使用有類標記樣本構成的訓練數據不同，聚類模型可以建立在無類標記的數據上，是一種非監督的學習算法。
舉例:
假如你有一堆數據樣本，想把這些數據分類，但是你也不知道怎么分，你只知道要分3類，4類或者其他更多。這時候就等於是把一堆零散的樣本聚成幾類。
c）總結:分類和聚類最大的區別就是有無標簽。
2.K-means屬於聚類算法
假設你有X1——Xi個樣本，想把它們分成Uk個中心
算法的步驟：
a).隨機的選擇U1---Uk個中心，用樣本Xi去減分別減這個中心值，得到距離類別中心最近的類別，歸為同一個簇。
b).將這個簇的中心值歸為這個簇的所有樣本的平均值，重新執行第一步。
c).不斷進行迭代，也就是不斷的執行a)和b)兩步，直到類別中心小於某個閾值也就是終止條件。
這些終止條件可以是：1）迭代次數； 2）簇中心變化率 ；3）最小平方誤差
3.注意事項：
a).K-means算法是初始敏感的
如下圖：在初始選擇簇類點時，對后面的聚類影響很大，下面初始選擇4個紅點作為簇類中心，結果就變成了右邊這種情況了。並不是我們想要分成的四類
解決辦法：聚類完之后計算一下簇的均方誤差，如果某一個簇的均方誤差特別大，就可以判斷這個簇聚的不對，初值選的不行，把簇中心比較近的合成一類，重新再聚一遍
這種叫做二分K-Means聚類
b）異常點處理
K—Means算法是將簇中所有的均值作為質心，若簇中含有異常點，將導致均值偏離嚴重。
例如：當有一個數組：1，2，3，4，100的均值是22，顯然距離大多數數據比較遠
解決辦法：該取中位數3為比較穩妥。這種取中位數的為簇中心的算法叫K-Mediods聚類
4.總結：
雖然有以下缺點：
a)不適合於發現非凸形狀的簇或者大小差別很大的簇
b）對噪聲和孤立點數據敏感
但是，K-Means聚類算法可以作為其他聚類算法的基礎