k均值聚类（k-means clustering）

k均值聚类是在没有人给数据贴标签时，找出其中天然分组的方法——纯粹的找规律，没有标准答案。假设你手里有成千上万名顾客，想把他们归成寥寥几类——精打细算型、大手大脚型、周末闲逛型——可没有人告诉过你谁属于哪一类。k均值靠反复回答两个问题，自己把这些组找出来：每个点离哪个组最近，以及每个组的中心该坐在哪里？

你先定下想要几个组——这就是k——再随机扔下k个中心点。然后两个步骤交替进行。分配：把每个数据点交给离它最近的那个中心。更新：把每个中心挪到刚分给它的所有点的平均位置上。再分配、再定心、再分配、再定心——中心们四处漂移，很快就稳定在天然成团的地方，像磁铁啪地吸进点云中最密的口袋里。当一切都不再移动，便大功告成。

它快、简单、能扩展到大数据，这使它成为分组任务里默认的第一选择。但它那些诚实的脚注很重要。你必须事先选定k，猜错了就得到一堆毫无意义的组。它假设各簇大致是圆的、大小相近，所以遇到细长、蜿蜒或大小悬殊的形状就会把它们揉烂。随机的起始位置意味着不同次运行可能落到不同答案，所以人们会跑好几遍、留下最好的那次。而且它没有「这些点不属于任何组」的概念——每个点都被硬塞进某个簇里，离群点也不例外。