参考资料：
【1】Spark Mlib 机器学习实践
【2】机器学习
【3】深入浅出K-means算法 http://www.csdn.net/article/2012-07-03/2807073-k-means
一、概念
K-means聚类是在无监督的情况下，将样本数据进行聚类。以2均值聚类的算法为例：
1、在样本中选择两个初始化中心点；
2、计算所有样本到这两个中心点的距离，并以此为基准将样本分为两类；
3、将中心点移到这类样本的新中心点；
4、重复2、3步骤直到满足要求；
K-means也提供一种k维的one-hot编码，即当x属于聚类i时，那么对应的编码向量为1，否则为0
二、距离
K-means的计算依赖样本之间的距离计算，通常有如下几种：
三、Spark Mlib下例子
package kmean import org.apache.spark.mllib.clustering.KMeans
import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.{SparkContext, SparkConf} /*-
* kmean聚类
* Fredric 2017
*/
object kmean {
def main(args:Array[String]): Unit ={ val conf = new SparkConf().setMaster("local").setAppName("kmean")
val sc = new SparkContext(conf) //每一个向量代表特征空间中的一个点
val v0 = Vectors.dense(1)
val v1 = Vectors.dense(2)
val v2 = Vectors.dense(3)
val v3 = Vectors.dense(4) val v4 = Vectors.dense(11)
val v5 = Vectors.dense(25)
val v6 = Vectors.dense(31) val data = sc.parallelize(Seq(v0, v1, v2, v3, v4, v5, v6)) //setK表示最后聚类的分组数量是2，分成2组
val model = new KMeans().setMaxIterations(20).setK(2).run(data) /*
输出的两个中心点如下：
[4.2]
[28.0]*/
model.clusterCenters.foreach(println)
}
}