老师，不明白的一点: 既然都已经分成8类了，且知道每一类的特征与类别了，那这不是有监督学习吗？ 聚类按照8类出结果后，如果这8类不符合之前定义的8类的标准，怎么办？

在股票软件中，判断资讯发布在那个类别下适合用K-means聚类。K-means聚类适合用在文本分类和精细化运行中的用户分层中。

聚类算法可以用在社区运营和内容推荐上，例如B站、视频网站的内容推荐，电商社区不同用户群的内容、商品推荐；腾讯视频号的内容推荐。

应用场景：差异化教学。通过对学生多维数据进行标签，分组，聚类，对学生进行愈发精细的画像，给老师教学决策和差异化教学提供依据和抓手。

客户分层，通过聚类后怎么对应到那8个分类去？用户数据是每天变的，每天都要全量数据跑下聚类？还有一个用户今天被分到类1，明天分到类2，前端营销怎么搞？

我暂时接触过环保业务，R：最近一次扔垃圾的频率 F：扔垃圾的频率 M：扔垃圾的重量。在后台得到样本数据，并用K-means。分析出哪一些人员是相似性最大的。从而决定人员相似性最高的楼栋作为标准（实行奖惩等制度）。 银行借贷业务也是相似的：R：最近一次借贷频率，F：借贷的频率次数 M：借贷的金额。分析出哪一些人员是最接近老赖的 保险业务、电商、社交同理

RFM模型中，R的值越低越好，但是F和M越高越好，怎么看权重呢？

老师，“第三步，在划分好的每一个组内，我们计算每一个数据到质心的距离，取均值，用这个均值作为下一轮迭代的中心点。”这里没看明白，是不是应该是取每个组的所有点的坐标的平均值作为新的质点呀

质心位置的选择是随机的话，对结果会有影响吧。比如数据在第一象限，然后2个质心，一个随机放在第三象限，一个随机放在第一象限，那第三象限的质心岂不是成了摆设，这样分出来的类不精准吧。