分類是根據樣本某些屬性或某類特徵（可以融合多類特徵），把樣本型別歸為已確定的某一類別中。機器學習中常見的分類演算法有：SVM(支援向量機)、KNN(最鄰近法)、Decision Tree(決策樹分類法)、Naive Bayes(樸素貝葉斯分類)、Neural Networks(神經網路法)等。

而分類作為一種監督學習方法，需要事先知道樣本的各種類別資訊。因此當對海量資料進行分類時，為了降低資料滿足分類演算法要求所需要的預處理代價，往往需要選擇非監督學習的聚類演算法。

K-Means Clustering（K均值聚類），就是最典型的聚類演算法之一，接下來一起進行該演算法的學習。

1、K-Means演算法原理

K-Means演算法思想：對給定的樣本集，事先確定聚類簇數K，讓簇內的樣本儘可能緊密分佈在一起，使簇間的距離儘可能大。該演算法試圖使叢集資料分為n組獨立資料樣本，使n組叢集間的方差相等，數學描述為最小化慣性或叢集內的平方和。K-Means作為無監督的聚類演算法，實現較簡單，聚類效果好，因此被廣泛使用。

2、K-Means步驟及流程

2.1、演算法步驟

輸入：樣本集D，簇的數目k，最大迭代次數N；

輸出：簇劃分（k個簇，使平方誤差最小）；

演算法步驟：

（1）為每個聚類選擇一個初始聚類中心；

（2）將樣本集按照最小距離原則分配到最鄰近聚類；

（3）使用每個聚類的樣本均值更新聚類中心；

（4）重複步驟（2）、（3），直到聚類中心不再發生變化；

（5）輸出最終的聚類中心和k個簇劃分；

2.2、流程框圖：

3、K-Means程式碼實現

4、K-Means演算法優缺點

4.1、優點

（1）原理易懂、易於實現；

（2）當簇間的區別較明顯時，聚類效果較好；

4.2、缺點

（1）當樣本集規模大時，收斂速度會變慢；

（2）對孤立點資料敏感，少量噪聲就會對平均值造成較大影響；

（3）k的取值十分關鍵，對不同資料集，k選擇沒有參考性，需要大量實驗；

5、參考資料