無監督學習的定義就不多說了，不懂得可以google。因為項目需要，需要進行無監督的分類學習。
K-means裡面的K指的是将資料分成的份數，基本上用的就是算距離的方法。
大緻的思路就是給定一個矩陣，假設K的值是2，也就是分成兩個部分，那麼我們首先确定兩個質心。一開始是找矩陣每一列的最大值max，最小值min，算出range=max-min，然後設質心就是min+range*random。之後在逐漸遞歸跟進，其實要想明白還是要跟一遍代碼，自己每一步都輸出一下看看跟自己想象的是否一樣。
（順便吐槽一下，網上好多人在寫文章的事後拿了書上的代碼就粘貼上，也不管能不能用，部落客改了一下午才改好。。。，各種bug）
用的時候直接看最後的main，dataSet是資料集輸入，我會在下載下傳位址提供給大家。
kmeans函數第一個參數是輸入矩陣、第二個是K的值，也就是分幾份。
plotBestFit是畫圖函數，需要加plot庫，而且目前隻支援二維且K=2的情況。
裡面黑色的大點是兩個質心，怎麼樣，效果還可以吧！
測試的時候一定要多用一點資料才會明顯。
我的github位址https://github.com/jimenbian，喜歡就點個starO(∩_∩)O哈！
/********************************
* 本文來自部落格 “李博Garvin“
******************************************/