1）kmeans聚类算法属于无监督学习，没有标签
2）kmeans原理：先随机选择K个质心，根据样本到质心的距离将样本分配到最近的簇中，然后根据簇中的样本更新质心，再次计算距离重新分配簇，直到质心不再发生变化，迭代结束
3）kmeans的sklearn实现

from sklearn.cluster import KMeans #导入kmeans函数

重要参数：
n-clusters #簇的个数
init #初始化质心的方法，默认是Kmeans++
random_state #控制每次质心随机初始化的随机数种子
n_init #使用不同的质心随机初始化的种子来运行k-means算法的次数 max_iter 最大迭代次数
tol #容差，两次迭代间Inertia下降的量

cluster = KMeans(n_clusters=k).fit(X) #实例化

查看模型的各种属性

cluster.labels_ #查看聚好的类别，每个样本所对应的类
cluster.cluster_centers_ #查看质心
cluster.inertia_ #查看总距离平方和

4）聚类算法的评估指标：轮廓系数