聚类（clustering）：把相似的东西分成一组。与分类（classification）不同，聚类不需要从训练集中“学习”，只需要计算相似度就可以了。因此被归为无监督学习。
原理思想：对每一个cluster，选出一个中心点（center），使该cluster中的所有点到该中心点的距离小于到其他cluster的中心的距离。
算法大致步骤：
1.选定k个中心的初值，一般采用随机选取的办法。这里由于J函数并非凸函数，因此K-Means可能会落在局部最小值上。所以需要多次取初值。
2.按照每一个数据与k个中心点的距离，将每个点归类到中心点所代表的的cluster中。
3.计算每个cluster的平均值，将中心点移动到平均值的位置。
4.重复2、3步，直到中心点位置稳定下来。