相似度判定：
①距离，公式：
我们使用以欧式距离为主
②夹角余弦值：越大，相似度越高
内积/模长
③杰卡德相似系数与相关系数
如上图，则说x1与x2相似，即为杰卡德相似系数，为保持和距离的性质一致性，所以1-杰卡德相似系数，相似系数也是一样
簇：聚类之后的类别，即为簇
聚类只有合理不合理，没有好与坏。
K-means:
从样本中随机抽取k个点作为初始簇中心点，计算一下其他样本到这几个点的距离，离哪个点近就归于哪一个类。
当所有样本点都以此分完后，簇中心点改为该簇里所有样本的均值。
然后以新的簇中心点再重新把所有样本分一次类。
一直如此循环，直到簇中心点不再变化或者变化极小为止。或者最小误差平方和（MSE，即该簇中所有样本点到簇中心点的距离之和）不再改变为止。
聚类效果影响因素：
①，k值的选取
②，初始簇中心点的选取，如果数据不均衡时，聚类效果就可能会不好
为什么取均值为簇中心点？原理：
存在异常点时
K-means算法需要解决的点：一开始随机选的那几个簇中心点如果挨得很近，可就完犊子了
优缺点：
K-means++算法：可以说是K-means的改进
为了解决K-means的缺点，有了
K-means Ⅱ算法：其实就是先小批量数据集做一次K-means聚类，再以此的结果作为初始簇中心点，为所有的数据做一次K-means.
