k-means

k-means是一种常用的聚类算法，其基本思想是将n个数据点划分到k个簇中，使得每个数据点与所属簇的质心距离之和最小。具体步骤如下： 1. 随机选择k个数据点作为初始质心； 2. 将每个数据点分配到距离其最近的质心所在的簇中； 3. 计算每个簇的质心； 4. 重复步骤2和3直到收敛。 k-means算法简单易实现，但存在一些问题，如对初始质心的选择敏感、可能陷入局部最优等。为了解决这些问题，人们提出了许多改进算法，如k-means++、DBSCAN等。