摘要： K-Means 是一種基于距離的排他的聚類劃分方法。K-Means 基本原理：給定劃分數量 k。創建一個初始劃分，從數據集中隨機地選擇 k 個對象，每個對象初始地代表了一個簇中心（Cluster Centroid）。對于其他對象，計算其與各個簇中心的距離，將它們劃入距離最近的簇。采用迭代的重定位技術，嘗試通過對象在劃分間移動來改進劃分。所謂重定位技術，就是當有新的對象加入簇或者已有對象離開簇的時候，重新計算簇的平均值，然后對對象進行重新分配。這個過程不斷重復，直到各簇中對象不再變化為止。K-Means 算法最常見的實現方式是使用迭代式精化啟發法的 Lloyd's algorithm。 閱讀全文