本節書摘來華章計算機《hadoop與大資料挖掘》一書中的第2章 ，第2.5節，張良均 樊 哲 位文超 劉名軍 許國傑 周 龍 焦正升 著 更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視。
2.5.1 k-means算法原理
k-means算法是硬聚類算法，是典型的基于原型的目标函數聚類方法的代表。它是将資料點到原型的某種距離作為優化的目标函數，利用函數求極值的方法得到疊代運算的調整規則（如圖2-45所示）。k-means算法以歐氏距離作為相似度測度，求對應某一初始聚類中心向量v最優分類，使得評價名額最小。算法采用誤差平方和準則函數作為聚類準則函數。
具體的算法步驟如下：
1）随機在圖中取k（這裡k＝2）個種子點。
2）然後對圖中的所有點求到這k個種子點的距離，假如點pi離種子點si最近，那麼pi屬于si點群。圖2-45中，我們可以看到a、b屬于上面的種子點，c、d、e屬于下面中部的種子點。
3）接下來，我們要移動種子點到屬于它的“點群”的中心。見圖2-45中的第3步。
4）然後重複第2）和第3）步，直到種子點沒有移動。我們可以看到圖2-45中的第4步上面的種子點聚合了a、b、c，下面的種子點聚合了d、e。
圖2-46所示為k-means算法的流程圖。
該流程圖描述其實和算法步驟類似，不過，這裡需要考慮下面幾個問題：
1）選擇k個聚類中心用什麼方法？
提示：可以随機選擇或直接取前k條記錄。
2）計算距離的方法有哪些？
提示：歐氏距離、餘弦距離等。
3）滿足終止條件是什麼？
提示：使用前後兩次的聚類中心誤差（需考慮門檻值小于多少即可）；使用全局誤差小于門檻值（門檻值選擇多少？）。
請讀者考慮上面的幾個問題，并完成下面的動手實踐（k-means算法實作）。