K-Means聚类算法

K-Means算法将数据集划分为K个簇，步骤如下：

1. 初始化： 随机选择K个数据点作为初始簇中心。
2. 分配数据点： 计算每个数据点到各个簇中心的距离，将数据点分配到距离最近的簇。
3. 更新簇中心： 重新计算每个簇的中心点，通常是簇中所有数据点的平均值。
4. 迭代： 重复步骤2和3，直到簇中心不再发生显著变化或达到最大迭代次数。

为了获得更稳定的结果，可以多次随机初始化簇中心，选择结果最佳的运行结果。