、k-means聚类算法原理 k-means聚类算法以k为参数,把n个对象分为k个簇,以使簇内的

相似度最大化，簇间的相似度最小化。该算法的基本原理是：首先随机选取k个中心点作为初始的聚类中心，然后根据每个点与聚类中心的距离来将其分配到最近的簇中。接着重新计算每个簇的中心点，再次根据每个点与新的聚类中心的距离来重新分配到最近的簇中。重复以上步骤，直到聚类结果不再发生变化或达到预定的迭代次数为止。最终的聚类结果是k个簇，每个簇包含若干个数据对象。该算法的优点在于简单易实现，缺点在于对于初始聚类中心的选择较为敏感，容易陷入局部最优解。