一、kmeans演算法

Kmeans演算法的流程：

1.根據我們要分的類別數，就是你要將資料分成幾類（k類），隨機初始化k個點（暫且稱為類別點）

2.計算每個資料點到k個類別點的距離，將其歸類到距離最近的那個類別點

3.計算每一類中包含的資料點的位置的平均值，比如，包含a(x1，y1)，b(x2，y2)兩個點，那麼平均值就是,z再將這個值賦給這個類別的類別點

4.重複2，3

1

二、優化目標 

優化目標就是找出距離該xi點最近的類別點，c^i表示得時類別點的下標（index），u表示的時類別點

三、隨機初始化

當我們初始化的點比較好的時候，我們就能得到正確的分類結果，但是如果不好就會得到誤差比較大的結果（收斂到區域性最優解）。

如果我們初始化的點為圖一中的點，那麼最終會得到圖二的最終結果，顯然並不是我們想要的結果。

我們使用以下方法：

1.隨機初始化k個點

2.使用kmeans演算法計算。

3.計算代價函式

4.迴圈多次執行1，2，3

最終我們選擇代價函式的結果最小的那種分類方案

所以我們要使用隨機初始化