注意：要求距离，一般就要先进行标准化，将样本点的属性值映射到一个相似的范围。
（1）首先是原始数据，同色没有进行划分；（2）让K=2，随机初始化两个点，然后计算每个点到这两个点的距离，距离那个距离小就是属于哪个簇的；（3）划分完一遍的；（4）重新计算质心；（5）再次遍历计算每个样本点属于哪个簇，划分结果；（6）重新计算质心。不断更新，直到所有样本点基本不发生变化。
初始的K选择很重要。而且初始质心的选择对结果也有很大影响。
迭代可视化展示：https://www.naftaliharris.com/blog/visualizing-k-means-clustering/
