基于划分的聚类算法：K-means
基于划分的办法
算法初始化一个划分，之后通过迭代的办法优化这个划分方式；
如何定义优化？我们需要一个聚类目标函数作为指标：簇对象到簇中心平方误差
对于算法，实现初始均值-簇分配-更新均值-收敛，如下：
一个直观的例子如图所示：
优点：
- 经典算法，简单、快速。
- 对处理大数据集，该算法是相对可伸缩和高效率的。
缺点：
- 初始值敏感；
- K需要预先设定，不是**Parameter-free **的；
- 只能发现类球状簇,不适合于发现非球形状的簇或者大小差别很大的簇；
- 离群点敏感；
