09-赵志勇机器学习-k-means

（草稿）

k-means:

1. 随机选取n个中心

2. 计算每个点到各个中心的距离

3. 距离小于阈值的归成一类。

4. 计算新类的质心，作为下一次循环的n个中心

5. 直到新类的质心和对应本次循环的n个中心的偏移不大，停止。

k-means++:

1. 随机选取n个中心（越远的被选取的概率越大，n个中心尽量远离）

2. 计算每个点到各个中心的距离

3. 距离小于阈值的归成一类。

4. 计算新类的质心，作为下一次循环的n个中心

5. 直到新类的质心和对应本次循环的n个中心的偏移不大，停止。