1.K-Means algorithm K均值算法是最普及的clustering算法，算法接受一个无标签的数据集，然后将数据聚类成不同组。本质上其是一个迭代算法，假设我们要将数据聚类成n组，其方法为： 首先随机选择k个点，作为cluster centroid，对于数据集中的每一个数据，将其与最近的聚类中心绑定，与其他的同一个中心点的所有点聚成一类，计算这些同一聚类的点的均值，并将聚类中心移动到这

1.Supervised Learing 基本思想：数据集中每个样本都有相应的“正确答案”，我们可以根据这些答案进行预测。 eg：price of the house、breast cancer 分类：regression、classification 2.Unsupervised Learning 基本思想：数据集中的样本不能明确地反应一个“特征“，需要根据大量数据进行类聚。 eg：Goo