K-means 聚类算法

K-means 是一种常见的聚类算法，它的目标是把数据集分成 K 个类，使得同一类中的数据点彼此相似，不同类之间的数据点相异。该算法的步骤如下：

1. 从数据集中随机选择 K 个点作为初始聚类中心；
2. 对于每个数据点，计算它与 K 个聚类中心的距离，并将其归入距离最近的聚类中心所在的类别；
3. 对于每个聚类，重新计算它的聚类中心，即将该聚类中所有点的坐标取平均值；
4. 重复步骤 2 和步骤 3，直到聚类中心不再发生变化或达到最大迭代次数。

K-means 聚类算法的优点是简单、易于实现和扩展，但是需要事先确定聚类数量 K，并且对初始聚类中心的选择敏感。