k-means聚类模型建立

建立 k-means 聚类模型一般需要以下步骤：

1. 确定聚类数量 k。

2. 随机初始化 k 个聚类中心。

3. 对于每个样本，计算其到 k 个聚类中心的距离，并将其分配给距离最近的聚类中心。

4. 更新每个聚类的中心，即将每个聚类中所有样本的均值作为新的聚类中心。

5. 重复步骤 3 和步骤 4 直到聚类中心不再改变或达到预设的最大迭代次数。

6. 输出每个聚类的中心和每个样本所属的聚类。

需要注意的是，在确定聚类数量时，可以使用常见的方法如手肘法、轮廓系数等。同时，为了避免 k-means 算法收敛到局部最优解，可以多次随机初始化聚类中心并运行算法，然后选择最好的结果。