聚類屬於非監督學習，k-mean是聚類中經典算法。非監督學習即是隻有樣本沒有標籤。
訓練數據集{x(1),x(2),…,x(m)}{x(1),x(2),…,x(m)}(其中x(i)∈Rnx(i)∈Rn)和聚類數量KK（將數據劃分爲KK類）；算法輸出是KK個聚類中心μ1,μ2,…,μKμ1,μ2,…,μK和每個數據點x(i)x(i)所在的分類。
步驟：
1，初始化K個聚類中心μ1,μ2,…,μKμ1,μ2,…,μK；
2，對於每個數據點x(i)x(i)，尋找離它最近的聚類中心，將其歸入該類；即c(i)=mink||x(i)−μk||2c(i)=mink||x(i)−μk||2，其中c(i)c(i)表示x(i)x(i)所在的類；
3，更新聚類中心uk的值爲所有屬於類kk的數據點的平均值；
代價函數：
u是簇C的均值向量，上式計算樣本與均值向量之間的距離。
