k-means

K-means是一种常用的聚类算法，它通过迭代计算，将数据集划分为K个类别，使得每个数据点到其所属类别的质心距离最小化。该算法的核心思想是：首先随机选择K个数据点作为初始质心，然后将每个数据点分配到最近的质心所在的类别中，接着重新计算每个类别的质心，重复这个过程直到质心不再发生变化或达到最大迭代次数。K-means算法简单易实现，但需要提前设定K值，且对初始质心的选择敏感。此外，它假设数据集中的数据点是凸多边形分布的，因此对于非凸形状的数据集效果不佳。