聚类算法是一种非监督学习算法，其基本步骤主要分为两步：第一步，根据当前聚类中心对所有样例重新分类；第二步，根据第一步分类的结果重新计算新的聚类中心。思想还是很容易理解的，下面简单说说应用时的几个注意点。

1. 如何初始化聚类中心

       一般，随机从训练样例中随机选取K个样例作为聚类中心。但是当K值很小（2~10）时，很容易陷入局部最优。常见做法是：循环多次（50~1000）进行聚类，从中选择使得目标函数最小的聚类中心。

2. 如何确定聚类的个数

       对于如何选择合适的分类数目，可采用“胳膊肘”法(‘elbow’ method)。所谓的elbow method 其实就是绘制出代价函数与聚类数目K的函数图像，发现图像上有个拐点（形如胳膊肘，因此得名），那么选择拐点所对应的的K值即可。如下图所示：

（图片来源：吴恩达《机器学习》）

        当然，此方法不一定适用于所有应用。如果绘制的图像如右图所示，那么自己看着办吧(结合业务或许可以有个不错的选择)!