摘要： 无监督机器学习算法中的经典Ｋｍｅａｎｓ算法，是基于局部最优的原则将观测数据 进行分类，其算法严重依赖初始种子的选取，导致聚类结果的不确定性。基于经典Ｋｍｅａｎｓ算 法的不足，提出一种基于动态离差平方和的无监督机器学习算法，使得各类内观测值的离差平 方和最小，以此为划分依据，不断调整，从而对Ｋｍｅａｎｓ算法进行改进。