1.KMeans介绍

（1）它是一种聚类方法。数据样本不需要标签

（2）

（a）初始，原始数据杂乱无章，没有label，看起来都一样

（b）假如想把数据分为两类，令K=2，随机在坐标上选两个点，作为两个类别版本的中心点。

（c）根据中心点，把每个数据样本划分到最近的中心点那一簇。

（d）划分完后，把该簇的所有数据点的坐标加起来去平均值，更新每个簇的中心

（e-f）循环c和d，不断“划分-更新-划分-更新”，直到每个簇的中心点不再移动为止。

2.KMeans优缺点

3.其他相关问题

（1）KNN与KMeans的区别

    1.KNN是分类算法；   KMeans是聚类算法

    2.KNN属于有监督学习： 

       KMeans属于非监督学习：

    3.