K-Means聚类算法

K-Means 算法通过迭代方式将数据集划分为 K 个簇：

1. 初始化: 预先确定簇的数量 (K)，并在数据空间中随机选择 K 个点作为初始簇中心。
2. 分配: 计算每个数据点到各个簇中心的距离，并将数据点分配到距离最近的簇。
3. 更新: 计算每个簇中所有数据点的平均值，并将该平均值作为新的簇中心。
4. 迭代: 重复步骤 2 和 3，直到簇中心不再发生 significant 变化或达到预设的迭代次数。

为了获得更优的结果，可以多次随机初始化簇中心，并选择其中效果最佳的运行结果。