介绍
K-means聚类其实就是先确定好分几类，然后再到平均分几个角度，每个角度进行聚合数据，再平均再聚类，最后得到最佳的分类结果
k-means聚类算法步骤
k-means聚类算法步骤实质是EM算法的模型优化过程，具体步骤如下：
- 1）随机选择k个样本作为初始簇类的均值向量；
- 2）将每个样本数据集划分离它距离最近的簇；
- 3）根据每个样本所属的簇，更新簇类的均值向量；
- 4）重复（2）（3）步，当达到设置的迭代次数或簇类的均值向量不再改变时，模型构建完成，输出聚类算法结果。
K-means聚类其实就是先确定好分几类，然后再到平均分几个角度，每个角度进行聚合数据，再平均再聚类，最后得到最佳的分类结果
k-means聚类算法步骤实质是EM算法的模型优化过程，具体步骤如下：
