K-Means 算法是一种无监督学习，同时也是基于划分的聚类算法，一般用欧式距离作为衡量数据对象间相似度的指标，相似度与数据对象间的距离成反比，相似度越大，距离越小。算法需要预先指定初始聚类数目 k 以及 k 个初始聚类中心，根据数据对象与聚类中心之间的相似度，不断更新聚类中心的位置，不断降低类簇的误差平方和（Sum of Squared Error，SSE），当 SSE 不再变化或目标函数收敛时，聚类结束，得到最终结果。

核心思想是首先从数据集中随机选取 k个初始聚类中心C_i(1 ≤ i ≤ k)，计算其余数据对象与聚类中心Ci的欧氏距离，找出离目标数据对象最近的聚类中心C_i，并将数据对象分配到聚类中心C_i所对应的簇中。然后计算每个簇中数据对象的平均值作为新的聚类中心，进行下一次迭代，直到聚类中心不再变化或达到最大的迭代次数停止。

空间中数据对象与聚类中心间的欧式距离计算公式为：

其中，x为数据对象，C_i为第 i个聚类中心，m为数据对象的维度，x_j，C_ij 为x和 C_i的第j个属性值。
整个数据集的误差平方和 SSE 计算公式为：

本分析方法中，如果涉及定类变量聚类，则会先对定类变量进行编码，然后再进行聚类。假如输入的变量存在缺失值，定类数据自动以众数填补，定量数据自动以平均数填补。

参考文献：

• 杨俊闯,赵超.K-Means聚类算法研究综述[J].计算机工程与应用,2019,55(23):7-1463
• Yadav J, Sharma M. A Review of K-mean Algorithm[J]. Int. J. Eng. Trends Technol, 2013, 4(7): 2972-2976.