導讀聚類與分類的區別在于，分類要求已知類別，通過訓練和學習不同類別的特征，對未知類別進行分類，屬于監督學習；聚類則是在數據本身沒有標簽的情況下，通過聚類分析將數據聚合成幾個群體，無需訓練，屬于無監督學習。K-means 聚類算法是一種常用的聚類方法，其特點是簡單、易于理解、運算速度快，但僅適用于連續型數據，并且需要在聚類前指定要分的類別數 k。K-means 的核心思想是“物以類聚，人以群分”。算法流程包括。設定 k 值為所需的類別數。隨機選擇 k 個數據點作為初始“大佬”。計算所有數據點到每個“大佬”的距離，將數據點分配到距離最近的“大佬”所屬的類別中。更新每個類別的“大佬”，計算該類別中所有數據點的平均值。重復第二步至第四步，直到類別分配不再改變，即達到收斂。