diff --git a/docs/10.k-means聚类.md b/docs/10.k-means聚类.md
new file mode 100644
index 00000000..33d0a0f1
--- /dev/null
+++ b/docs/10.k-means聚类.md
@@ -0,0 +1,21 @@
+
+# 10) k-means聚类
+* 聚类介绍
+    * 聚类是一种无监督的学习，它将相似的对象归到一个簇中。
+    * 聚类分析试图将相似对象归入同一簇，将不相似对象归到不同簇。相似这一概念取决于所选择的相似度计算方法。
+* K-均值聚类算法
+    * 优点 : 容易实现
+    * 缺点 : 可能收敛到局部最小值，在大规模数据集上收敛较慢。
+    * 使用数据类型 : 数值型数据。
+* K-均值算法工作流程
+    *  首先，随机确定 k 个初始点作为质心。
+    *  然后，将数据集中的每个点分配到一个簇中。（为每个点找到距其最近的质心，并将其分配给该质心所对应的簇）
+    *  最后，每个簇的质心更新为该簇所有点的平均值。
+* K-均值算法伪代码如下
+    * 创建 k 个点作为起始质心（通常是随机选择）
+    * 当任意一个点的簇分配结果发生改变时
+        * 对数据集中的每个数据点
+            * 对每个质心
+                * 计算质心与数据点之间的距离
+            * 将数据点分配到距其最近的簇
+        * 对每一个簇，计算簇中所有点的均值并将均值作为质心