请简述K-means迭代算法的步骤

K-means迭代算法的步骤如下：

1. 随机选择K个点作为初始的聚类中心。

2. 对于每个数据点，计算其与K个聚类中心的距离，选择距离最近的聚类中心作为其所属的类别。

3. 对于每个类别，重新计算其聚类中心，即将该类别中所有数据点的坐标取平均值作为新的聚类中心。

4. 重复步骤2和步骤3，直到聚类中心不再发生变化或达到预设的迭代次数。

5. 输出聚类结果。

在K-means迭代算法中，每个数据点只能属于一个聚类中心，且每个聚类中心只能有一个数据点。算法的目标是使得每个聚类内部的数据点相似度尽可能高，不同聚类之间的相似度尽可能低。