K-means聚类算法的原理是什么？具体操作步骤有哪些？

K-means是最常用、最简单的一种聚类算法。k-means聚类，就是将原始数据所含的类数事先给出来，然后将含有相似特征的数据聚为一个类中。

一、K-means聚类算法原理

在聚类问题中，给我们的训练样本是.每个.没有了y。

K-means聚类算法是将样本聚类成k个簇(cluster)，具体算法描述如下：

1、 随机选取k个聚类质心点(cluster centroids)为。

2、 重复下面过程直到收敛

对于每一个样例i，计算其应该属于的类

对于每一个类j，重新计算该类的质心

二、基本的步骤为：

下图所示，对n个样本点进行K-means聚类，这里k取3.

step1：按照事先给定的聚类数(图中k=3)，选定k个中心点。

step2：针对每个样本点，找到距离其最近的中心点(寻找组织)，距离同一中心点最近的点为一个类，这样完成了一次聚类。

step3：判断聚类前后的样本点的类别情况是否相同，如果相同，则算法终止，否则进入step4.

step4：针对每个类别中的样本点，计算这些样本点的中心点，当做该类的新的中心点，继续step2.