什么是k-means？
毫无疑问，k-means是最简单的聚类算法。
首先，k-means是聚类而不是分类。
给你一个人的名字，你不知道它是一个男人或女人，但你的朋友谁是一个男人有相同的名字，所以你认为他是一个男人，这是群集（实际上，它是一个女人，也许，我们不确定，我们只是perfer最有可能的答案）。给你一个男人，你肯定他就在你身边，所以你可以说他是你的邻居，这就是分类。
对不同文件中的文件进行聚类。你应该创建一个模型（k-means创建一个模型，给出一个点并把它降到最近的中心点），然后得到最可能的答案。
例如，按文件名对它们进行聚类。一个叫苹果的文件可能在水果组，一个叫老鼠的文件可能在动物组。（所有这些都取决于你的点词库）
现在，我将向你展示一个如何矢量化它的例子，嗯，一定是最简单的。
假设你有一个点词库。也许是这样

Bill Gates  ： IT
iphone  :  IT
basketball :  sports
Michael Jordan : sports

四个文件

file1:  I love iphone very much
file2:  I like play basketball
file3:　Bill Gates is the richest man.
file4:　He is the fans of Michael Jordan.

我们在文件中得到关键词（这是点词库中的记录）。然后我们计算每个文件的百分比。现在，我们得到了结果
文件1:100%it，0%sport
文件2:0%it，100%sport
文件3:100%it，0%sport
文件4:0%it，100%sport
然后我们可以得到两组，it和sports（通常，在一个文件中，有很多单词，所以100%和0%不存在于实际数据中，不介意细节）
想一想，这个例子告诉我们什么。
模型是某种东西（在本例中，它只是一个数字，大多数情况下，它是一个公式），它获取数据之间的连接（在本例中，此模型获取文件之间的连接）
什么是矢量化？仔细看，你会得到轴（x是it，y是sport）
为什么我们强调矢量化？现在你发现了一件事！你现在得到了axis，所以把它替换成k-均值，它现在可以工作了，不是吗？！