使用K-means算法要如何得到聚类中心

K-means算法是一种基于距离度量的聚类算法，其核心思想是将样本数据分为K个簇，每个簇都有一个中心点，即聚类中心。K-means算法的过程大致如下：

1. 随机选择K个点作为初始聚类中心。

2. 对于每个数据点，计算其到K个聚类中心的距离，将其划分到距离最近的聚类中心所在的簇。

3. 对于每个簇，重新计算其聚类中心，即将簇内所有点的坐标取平均值作为新的聚类中心。

4. 重复执行步骤2和3，直到聚类中心不再改变或达到最大迭代次数。

因此，K-means算法得到聚类中心的方法是在每次迭代中重新计算每个簇的聚类中心。