KMeans算法的基本思想是：选择样本空间中k个样本（点）为初始中心，然后对剩余样本进行聚类，每个中心把距离自己最近的样本“吸引”过来，然后更新聚类中心的值，依次把每个样本归到距离最近的类中，重复上面的过程，直至得到某种条件下最好的聚类结果。
举一反三
- K-Means聚类算法步骤包括 A: 随机选择K个样本作为初始中心。 B: 把每个样本指派到最近的中心，形成K个簇类。 C: 重新计算每个簇的中心。 D: 一直迭代直到簇中心不再发生变化为止。
- K-Means聚类算法流程包括以下哪些步骤（ ） A: 从N个样本数据中随机选取K个对象作为初始的聚类中心 B: 分别计算每个样本到各个聚类中心的距离，将对象分配到距离最近的聚类中 C: 所有对象分配完成后，重新计算K个聚类的中心 D: 当质心不发生变化时停止并输出聚类结果
- kMeans算法中，第一个循环是如何操作的（） A: 计算聚类中心和聚类中心间的距离 B: 计算样本与样本之间的距离 C: 计算所有样本到各个聚类中心的距离并判断归属 D: 以上都不对
- 有关kmeans算法，正确的说法是？? kmeans算法对异常样本非常敏感，因此在聚类前要把异常样本直接删除。|kmeans聚类的过程与初始的k个假设的聚类中心的选择没关。|kmeans只能处理凸型分布的非数值型样本。|kmeans算法需要在聚类前确定类数k，这个k值需要有助于解释各类的业务含义。
- 系统聚类的基本思想是先将 ______ 的样本进行聚类，再将 ______ 的样本聚类，直到每个样本聚到合适的类中。