版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/daixiangzi/article/details/80905306
对于K（k<样本量的）均值聚类，一般参数的自定义主要有两个，一个是聚类中心初始位置的选择，二是K值的选择
优化目标：每个样本点到该点聚类中心的平方的累加
解决聚类中心的初始化问题：
随机挑选样本点作为聚类中心，这个过程重复50-1000次，选出J值最低的（通常K值为2-10的时候该方法比较有效）。
解决K值问题，肘部法：
尝试不同的K（K值通常为3-10比较好）值，算出J值，选取拐点出的K值
