分类是根据样本某些属性或某类特征（可以融合多类特征），把样本类型归为已确定的某一类别中。机器学习中常见的分类算法有：SVM(支持向量机)、KNN(最邻近法)、Decision Tree(决策树分类法)、Naive Bayes(朴素贝叶斯分类)、Neural Networks(神经网络法)等。

而分类作为一种监督学习方法，需要事先知道样本的各种类别信息。因此当对海量数据进行分类时，为了降低数据满足分类算法要求所需要的预处理代价，往往需要选择非监督学习的聚类算法。

K-Means Clustering（K均值聚类），就是最典型的聚类算法之一，接下来一起进行该算法的学习。

1、K-Means算法原理

K-Means算法思想：对给定的样本集，事先确定聚类簇数K，让簇内的样本尽可能紧密分布在一起，使簇间的距离尽可能大。该算法试图使集群数据分为n组独立数据样本，使n组集群间的方差相等，数学描述为最小化惯性或集群内的平方和。K-Means作为无监督的聚类算法，实现较简单，聚类效果好，因此被广泛使用。

2、K-Means步骤及流程

2.1、算法步骤

输入：样本集D，簇的数目k，最大迭代次数N；

输出：簇划分（k个簇，使平方误差最小）；

算法步骤：

（1）为每个聚类选择一个初始聚类中心；

（2）将样本集按照最小距离原则分配到最邻近聚类；

（3）使用每个聚类的样本均值更新聚类中心；

（4）重复步骤（2）、（3），直到聚类中心不再发生变化；

（5）输出最终的聚类中心和k个簇划分；

2.2、流程框图：

3、K-Means代码实现

Python代码实现请参考：python 实现周志华 机器学习书中 k-means 算法；

Matlab代码实现请参考：https://blog.csdn.net/u010248552/article/details/78476934?locationNum=8&fps=1；

C#代码实现请参考：https://www.cnblogs.com/gaochundong/p/kmeans_clustering.html；

4、K-Means算法优缺点

4.1、优点

（1）原理易懂、易于实现；

（2）当簇间的区别较明显时，聚类效果较好；

4.2、缺点

（1）当样本集规模大时，收敛速度会变慢；

（2）对孤立点数据敏感，少量噪声就会对平均值造成较大影响；

（3）k的取值十分关键，对不同数据集，k选择没有参考性，需要大量实验；

5、参考资料

1、简单易学的机器学习算法——K-Means算法；

2、k-means 的原理，优缺点以及改进；