K-means最简理解

K-means算法是一种无监督的机器学习算法。K-means的核心思想是人以类聚，物以群分。

废话不多说，直接上算法步骤

算法过程如下：
1）从N个文档随机选取K个文档作为质心
2）对剩余的每个文档测量其到每个质心的距离，并把它归到最近的质心的类
3）重新计算已经得到的各个类的质心
4）迭代2～3步直至新的质心与原质心相等或小于指定阈值，算法结束

算法过程如图：

有图有算法步骤，我们就可以很快的理解K-means的算法了。拿上面这个图作为例子，先找K=2个点作为中心聚类，分别求出所有点（A,B,C,D,E）到这两个中心聚类点的距离，如果A,B到第一个中心聚类点的距离比到第二个中心聚类点的距离更小，那么把A,B分为G1类，同样把C,D,E分为G2类。在G1类中求出A,B的质心c1，在G2中求出C,D,E的质心c2，然后再计算每个点到质心c1,c2的距离，如果距离c1近就把这些数据归为一类，如果离c2近也归为一类，从图中我们知道，重新划分聚类中心后把A,B,C化分到一类，把D,E划分到了一类，重复这个划分聚类中心（质心）的过程直到质心不改变或者小于指定的阈值，算法结束。

这里说一个质心的求法：假如给定三个坐标点（x1,y1），（x2,y2），（x3,y3）

质心的坐标假如是（x0,y0）

x0=(x1+x2+x3)/3

y0=(y1+y2+y3)/3