前言
K-means集群分析(中文：k-平均演算法)，是屬於Clustering分類演算法的一種， 而Clustering類別的演算法幾乎都屬於非監督式學習(Unsupervised learning)，K-means也是非監督式學習。

K-means介紹
用一句話來概括K-means的話就是：物以類聚(貓會跟貓組成一群，狗則會跟狗組成一群)，但是貓跟狗的資料不會自己分類，那我們要怎麼分類他們呢?

所謂的k-means就是你想要將資料分成幾群(k代表的就是分成幾群; means則是每一個類別群的群心，且群心是動態會移動的)

K-means運作步驟概念
假設今天要將好幾隻貓跟好幾隻狗分群
x, y坐標軸分別代表身高跟體重，如何將他們分類?

第一步：先設定好資料要分群成幾群(幾k)

第二步：在m維度中(維度不一定只有二維也可能是多維)給定k個集群群心

第三步：每個資料都會有所有k個群心去算跟歐式距離(直線距離公式)
也不一定要是直線距離公式有不同的公式可以使用，但基本上採用歐式距離

第四步：將每筆data分類給距離他最近的群心

第五步：群心會根據移進來的新data做浮動(根據資料做動態更新)

第六步：第三步至第五步會一直持續做loop做到群心不再變動(收斂)的時候，K-means運作結束，且確立群心跟資料分類。

資料來源：
https://chih-sheng-huang821.medium.com/%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-%E9%9B%86%E7%BE%A4%E5%88%86%E6%9E%90-k-means-clustering-e608a7fe1b43

https://en.wikipedia.org/wiki/K-means_clustering