k-means聚类算法簇中心

k-means聚类算法是一种常用的无监督学习算法，用于将数据集划分为k个不同的簇。每个簇都由一个中心点表示，该中心点是簇内所有数据点的平均值。k-means算法的步骤如下：

1. 初始化：随机选择k个数据点作为初始的簇中心。
2. 分配：对于每个数据点，计算其与各个簇中心的距离，并将其分配到距离最近的簇中心所在的簇。
3. 更新：对于每个簇，计算该簇内所有数据点的平均值，并将该平均值作为新的簇中心。
4. 重复步骤2和步骤3，直到簇中心不再发生变化或达到预定的迭代次数。

通过以上步骤，k-means算法能够找到合适的簇中心，将数据集划分为k个不同的簇。