聚类算法属于无监督的机器学习算法，即没有类别标签y，需要根据数据特征将相似的数据分为一组。k-means为聚类算法中最简单、常见的一种，通过计算距离，将相似性高的数据分在一起。
- 算法流程
随机选择k个点作为聚类中心，计算其他点与中心点的距离，选择距离最近的中心并归类，归类完成后计算每类的新中心点，重新计算每个点与中心点的聚类并选择距离最近的归类，重复此过程，直至中心点不再变化。
需要注意的是，使用k-means算法时，要先确认k的值，即想分为几类，k值一般设定为3-5。下图为从网上截取的图片，可以直观看到通过4次迭代，将点聚为3个簇（cluster）的过程。
- R语言实现
在R中实现k-means聚类，可以直接使用kmeans()函数。在下面的例子中，我们使用iris数据集进行演示。
颜色代表聚类后得到的结果，形状代表真实的划分，“*”为聚类中心点。如下可查看每个样本点的聚类结果：
- python实现
在python中实现k-means聚类，可以使用sklearn.cluster中的KMeans()函数同样使用iris数据集进行演示。
颜色代表聚类后得到的结果。
- k-means优缺点
优点：
（1）算法原理简单，聚类速度快。
（2）容易实现。
缺点：
（1）k值需要事先给定，有时候不知道分成几类最合适。
（2）初始中心点的选择会影响聚类效果。这也是为什么每次进行聚类后，得到结果不同的原因。
（3）因为通过距离判断点的相似度进行聚类，因此k-means算法有一定的使用局限。当潜在簇的形状为大小相近的近似圆形，且每个簇之间聚类较明显，k-means聚类结果比较理想。