K均值算法是一种聚类算法（聚类算法就是将一堆没有标签的数据自动化分为几类，并保证同类数据有相似特征）

K均值算法的一个重要假设：数据之间的相似度由欧氏距离衡量，如果不能，那就需要将数据转化为可以用欧氏距离衡量。

“牧师-村民”模型：

有四个牧师去郊区布道，一开始牧师们随意选了四个布道点，并且把这几个布道点的情况公告给了郊区所有的居民，于是每个居民到离自己家最近的布道点去听课。听课之后，一些人觉得距离太远了，于是每个牧师统计了一下自己的课上所有的居民的地址，搬到了所有地址的中心地带，并且在海报上更新了自己的布道点的位置。牧师每一次移动不可能离所有人都更近，有的人发现A牧师移动以后自己还不如去B牧师处听课更近，于是每个居民又去了离自己最近的布道点……就这样，牧师每个礼拜更新自己的位置，居民根据自己的情况选择布道点，最终稳定了下来。

实际计算过程：

1.对于空间中的一堆点，随机生成K个聚类中心点，然后分别计算每一个数到这些中心点的距离，每个点都选取距离自己最近的中心点作为自己的类别；

2.依据已经归类好的同一个类别的点，重新计算中心点，确保一个类别内部的点和中心的的距离之和最小；

3.将这K个中心点作为新的中心点，重复步骤一和步骤二，直到收敛结束。

注意：

1.输入数据一般需要缩放（如标准化）。主要是因为距离的计算可能出现“过高的影响”情况发生；

2.输入数据的变量类型不同，需作特别处理。可以改变类型，但容易出现问题；也可将不同类型变量分开处理，在将结果合起来；

3.输出结果不固定。算法具有随机性，初始化到收敛往往不同。

4.高维数据有效性较弱。高维距离的意义有所变化；

5.运行效率与性能需要进行取舍；