K-mean算法伪代码

以下是K-mean算法的伪代码：

1. 从数据集中随机选择k个点作为初始的质心
2. 对于每一个数据点，计算其到k个质心的距离，并将其分配给距离最近的质心所在的簇
3. 对于每个簇，计算其中所有数据点的平均值，将其作为该簇的新质心
4. 重复步骤2和3，直到质心不再发生变化或达到预先设定的迭代次数

K-mean算法的伪代码比较简单，但需要注意的是，由于初始质心的随机选择可能会影响最终的聚类效果，所以在实际应用中，通常需要多次运行算法，并选择最优的聚类结果。