اولین بار که دسته بندی صورت می گیرد.

حالا ما دو دسته اطلاعات داریم که قطعا دسته بندی غلط هست. دقت کنید باید کاری کنیم که دسته بندی اصلاح بشه پس وارد گام بعدی می شویم

از هر دسته یک میانگین می گیریم (مثل حساب کردن معدل دانش اموزان) واینبار نقاط قرمز و سبز را به نقطه میانگین جابجا می‌کنیم

مثل تصویر زیر

جابجایی نقاط سبز و قرمز بعد از اولین دسته بندی

حالا باید دوباره فاصله همه اعداد از دو رنگ‌ قرمز و سبز را دوباره محاسبه کنیم و دوباره اطلاعات را دسته بندی کنیم مثلا ماشین شماره ۱ اینبار از گروه سبز خارج می شود و به گروه قرمز می پیوندد

اصلاح دسته ها 👈 بار دوم

حالا دوباره باید میانگین گیری برای هر دسته انجام شود و دوباره دسته بندی جدید صورت گیرد

جابجایی نقاط قرمز و سبز برای بار دوم و دسته بندی برای بار سوم

نکته کار میانگین گیری و جابجایی نقاط را تا زمانی باید تکرار کرد که دیگه اعضای هر دسته هیچ تغییر نکند.

انچه که در این مثال به عنوان علمی که ماشین یا گرفته در نظر گرفته می شود اطلاعات دو‌نقطه قرمز و سبز هست یعنی هر ماشین جدیدی که داشته باشیم با این دوتا نقطه مقایسه می شود و به هرکدوم نزدیک تر بود جزو همان گروه قرار می گیره

و این بود کل مفهوم الگوریتم kmeans تعداد نقاط که باید یادگرفته شود را k می گویند و چون دائم میانگین گیری صورت می‌گیرد به ان means هم اضافه شده