kmeans原理如下：
【kmeans原理 kmeans作用】
输入：聚类个数k，以及包含 n个数据对象的数据库 。输出：满足方差最小标准的k个聚类 。
K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标 ， 即认为两个对象的距离越近，其相似度就越大 。该算法认为簇是由距离靠近的对象组成的 ， 因此把得到紧凑且独立的簇作为最终目标 。K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛 。K-Means算法有大量的变体，本文就从最传统的K-Means算法讲起，在其基础上讲述K-Means的优化变体方法 。包括初始化优化K-Means++, 距离计算优化elkan K-Means算法和大数据情况下的优化Mini Batch K-Means算法 。
