机器学习：KMeans算法。聚类算法，处理没有先验结果的数据集（只有特征没有目标值的样本数据）。先设定中心点，再计算样本到中心点的距离，多轮之后中心点趋于稳定，不再变化，则停止计算。
KMeans有向个常用的评估方法：sse、ssc、ch等几种方法，其中ch方法可以找到最合适的k值，k是指聚类的个数，即分几个类，是KMeans算法的关键。
sse 计算类内部的离散程度，越密就越好。
ssc 计算类内部的离散程序，同时计算类之间的距离（距离大为好）。
ch 计算每个类内部的离散程度、计算类之间的距离、计算分类个数即k值（分类越少越好，但起码有2个类以上）。