k:把数据划分成多少个类别
- 知道类别的个数，可根据业务需求得到
- 不知道类别的个数，视为超参数
例子：(k=3)
1.随机在数据上抽取三个样本当做三个类别的中心点。
2.计算其余的点分别到这三个中心点的距离(欧氏距离)，每一个样本有三个距离(a,b,c),从中选出距离自己最近的一个中心点作为自己的标记，形成三个族群。
3.分别计算这三个族群的平均值（平均值有可能不是族群内数据本身的点），把这三个平均值与之前的三个旧中心点进行比较，如果相同 结束聚类，如果不相同 把这三个平均值当做新的中心点 重复第二步。
聚类 做在分类之前。即如果数据没目标的时候，应该先做聚类，然后再做类别预测。
使族群之间的样本距离最大化，族群内的样本距离最小化。
轮廓系数
对于每个样本
1.计算样本1到自身类别下所有的点的距离平均值a_i
2.分别计算样本1到其它各类别下所有的点的距离平均值b1,b2,取其中最小的值当做b_i
3.计算样本1的轮廓系数
极端情况
b_i >> a_i 这种情况最完美，轮廓系数计算值是：1
a_i >> b_i 这种情况最糟糕，轮廓系数计算值是：-1
所以轮廓系数的取值范围在[-1,1]之间，越靠近1越好。
kmeans缺点：容易收敛到局部最优解
