一、什么是簇？

我们知道聚类就是让机器把数据集中的样本按照特征的性质分组，直观上来看，簇是一组一组聚集在一起的数据，在 一个簇 中的数据就认为是 同一类 ，簇就是聚类的结果表现。实际上簇并没有明确的定义，并且簇的划分没有客观标准，我们可以利用下图来理解什么是簇。该图显示了20个点和将它们划分成簇的3种不同方法，标记的形状（口、△、☆等）表示簇的隶属关系。

图中分别将数据划分成两个簇、四个簇和六个簇。直观地看，将图b的2个较大的簇再划分成4个簇好像也不无道理，这可能是人的视觉系统造成的假象。

该图表明簇的定义是不精确的，而最好的定义依赖于数据的特性和期望的结果。

二、什么是质心？

簇中所有 数据的均值 通常被称为这个 簇的“质心”（ centroids） 。在一个二维平面中，一簇数据点的质心的横坐标就是这一簇数据点的横坐标的均值，质心的纵坐标就是这一簇数据点的纵坐标的均值。同理可推广至高维空间。
一、KMeans算法原理

KMeans算法作为聚类算法的典型代表，那它是怎么完成聚类的呢？
在 KMeans 算法中， 簇的个数用k表示，k是一个超参数，需要我们人为输入来确定。 Kmeans 的核心任务就是根据我们设定好的 k ，找出 k个最优的质心，并将离这些质心最近的数据分别分配到这些质心代表的簇中去。

二、KMeans算法流程

（1）首先设置参数k, k的含义为将数据聚合成几类（这里取k=3）；
（2）从数据当中，随机的选择三（k）个点，成为聚类初始中心点；（图中初始三个中心点用蓝色、红色和黄色标记）

（3）计算所有其他点到这三（k）个点的距离, 然后找出离每个数据点最近的中心点, 将该点划分到这个中心点所代表的的簇当中去。那么所有点都会被划分到三（k）个簇当中去。

（4）重新计算三个簇的质心，作为下一次聚类的中心点；

（5）重复上面的3-4步的过程，重新进行聚类，不断迭代重复这个过程。
（6）停止条件：
第一种：当重新聚类后，所有样本点归属类别都没有发生变化的时候。
第二种：当迭代次数达到规定的最大次数时，也会停止。

在什么情况下，质心的位置会不再变化呢？

引言： 在上节介绍KMeans算法流程中，我们简单介绍了聚类停止的条件，其中簇不再发生变化的条件，本质上是指簇的质心位置不再发生改变。为什么呢？

因为：在我们找质心的过程中，当每次迭代中被分配到这个质心上的样本都是一致时，也就是说：每次新生成的簇都是一致的，所有的样本点都不会再从一个簇转移到另一个簇，质心就不会变化了。
接下来，我们以可视化的形式详细讨论质心的位置的变化情况。
质心位置变化的可视化展示过程

上面论述的过程，我们可以由下图来显示：我们规定，将数据分为 4 簇（k=4），其中白色 X 代表质心的位置，每个颜色块代表着围绕着质心所形成的簇。

注：灰色箭头表示质心的变化情况
在数据集下多次迭代(iteration)，就会有：

第六次迭代之后，基本上质心的位置就不再改变了，生成的簇也变得稳定。此时我们的聚类就完成了。