划分聚类，顾名思义，通过划分的方式将数据集划分为多个不重叠的子集（簇），每一个子集作为一个聚类（类别）。

在划分的过程中，首先由用户确定划分子集的个数 K，然后随机选定 K 个点作为每一个子集的中心点，接下来通过迭代的方式：计算数据集中每个点与各个中心点之间的距离，更新中心点的位置；最终将数据集划分为 K 个子集，即将数据划分为 K 类。

对于未聚类数据集，首先随机初始化 K 个（代表拟聚类簇个数）中心点，如图红色五角星所示。

每一个样本按照距离自身最近的中心点进行聚类，等效于通过两中心点连线的中垂线划分区域。

依据上次聚类结果，移动中心点到个簇的质心位置，并将此质心作为新的中心点

反复迭代，直至中心点的变化满足收敛条件（变化很小或几乎不变化），最终得到聚类结果。