kmeans聚类算法分成三类

K-means聚类算法是一种常用的无监督学习算法，它将数据集分为k个不重叠的类别。每个类别由其聚类中心代表，聚类中心是与该类别内所有数据点距离之和最小的点。

要将数据集分成三类，可以按照以下步骤运行K-means算法：

1. 初始化：随机选择三个数据点作为初始聚类中心。
2. 分配数据点：对于每个数据点，计算其与三个聚类中心的距离，并将其分配给距离最近的聚类中心。
3. 更新聚类中心：对于每个聚类，计算其所有分配给它的数据点的平均值，并将该平均值作为新的聚类中心。
4. 重复步骤2和3，直到聚类中心不再变化或达到预定义的迭代次数。

经过若干次迭代后，K-means算法将会收敛，并得到三个聚类中心，数据集将被分成三个类别。