一个聚类算法，属于无监督学习。
算法过程
寻找簇的质心，直到簇收敛。
repeat
将每个点指派到最近的质心，形成K个簇
重新计算每个簇的质心
until 簇不发生变化或达到最大迭代次数
until 的结束条件，表示算法已经最终收敛。
细节
K-Means 中 K 的值为一个需要指定的超参数。可以手动指定，也可以将 K 的数量迭代递推从小到大。
关于初始点的设定，可以选择尽可能远的点，也可以先用其他聚类算法获得簇的数量，然后再簇中寻找一个初始中心点。
直觉
K-Means 是一个很简单的基本聚类算法，简单但是效果很好。简单且高效，一个挺“美”的算法。
这是一个典型的迭代-收敛的计算过程。算法会一开始临时计算一个簇，然后每次根据刷新数据的簇，最终达成聚类的收敛。