K-means算法
参考资料：K-means算法
一、步骤
K-means算法是一种迭代算法，它的工作是簇分类+移动聚类中心
每次内循环的第一步是簇分类
内循环的第二步是移动聚类中心
具体过程如下：
step1：
随机生成两点，也就是图上的这两个×，我们把它称为聚类中心
选取两个点的原因是我想把数据分成两类
step2：簇分类
遍历每个绿点，看它里红叉更近还是离蓝叉更近，离哪个更近就把绿点染成什么色
step3：移动聚类中心
经过一次完整过得簇分类后，我们把红叉移动到所有红点的中心，蓝叉移动到所有蓝点的中心，然后回到step2，一直重复，直到聚类中心不再移动为止
二、算法
K为我们想要的聚类总数，x(i)为样本点，为n维向量
这个μk是点的位置
1.随机初始化聚类中心,得到c(1)，c(2)，…，c(k)
2.repeat{
for x(1) to x(m)：find c(j)=the most closest to x(i) //找索引
for c(1) to c(k)：move c(i) to average of points assigned to cluster k //更新点的位置
}