前文推荐
如何正确使用「K均值聚类」？
无监督学习是指从无标注数据中学习模型的机器学习问题。无标注数据是自然得到的数据，模型表示数据的类别、转换或概率无监督学习的本质是学习数据中的统计规律或潜在结构，主要包括聚类、降维、概率估计。
KMeans算法是典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。
K个初始聚类中心点的选取对聚类结果具有较大的影响，因为在该算法第一步中是随机地选取任意k个对象作为初始聚类中心，初始地代表一个簇。该算法在每次迭代中对数据集中剩余的每个对象，根据其与各个簇中心的距离赋给最近的簇。当考查完所有数据对象后，一次迭代运算完成，新的聚类中心被计算出来。
算法过程如下： （1）从N个数据文档（样本）随机选取K个数据文档作为质心（聚类中心）。 本文在聚类中心初始化实现过程中采取在样本空间范围内随机生成K个聚类中心。 （2）对每个数据文档测量其到每个质心的距离，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。
下图为avikjain博客上的几张GIF，形象说明k均值聚类的过程。
The data points.
Starting with 4 left-most points
Starting with 4 right-most points
Starting with 4 top points
Starting with 4 bottom points
Starting with 4 random points in one cluster
参考：
https://github.com/MLEveryday/100-Days-Of-ML-Code
https://www.cnblogs.com/eczhou/p/7860424.html
http://www.avikjain.me
