1.K-Means算法
K-Means算法，也被稱為K-平均或K-均值算法，是一種廣泛使用的聚類算法。K-Means算法是聚焦於相似的無監督的算法，以距離作為數據對象間相似性度量的標准，即數據對象間的距離越小，則它們的相似性越高，則它們越有可能在同一個類簇。之所以被稱為K-Means是因為它可以發現k個不同的簇，且每個簇的中心采用簇中所含值的均值計算而成。
2.聚類的概念
聚類，則是給定的樣本沒有事先確定類別，根據自己需要，確定類別數量，再把樣本歸到不同的類別里面。也就是說，同樣是垃圾分類的例子，你給一堆垃圾，我可以根據可回收、不可回收分為聚類為兩堆；也可以根據可回收、不可回收、廚余垃圾聚類為三堆。而其中聚類為同一堆的條件，我們可以理解為垃圾間的相似程度。
3.k-means算法思想
1.從數據集中隨機選取k個數據對象作為k個簇的初始聚類中心點，且每個數據對象對應於一個簇；
2.將剩余的數據對象根據其與各個簇中心點的距離，分別指派到離其距離最近的簇中；
3.更新每個簇的聚類中心（即重新計算各個簇內所有對象的平均值，重新分配各個數據對象）；
4.直到准則函數收斂或者聚類中心不再變化，否則轉到step3。
4. 代碼實現
運行結果：
