diff --git a/assets/1606222061142.png b/assets/1606222061142.png
new file mode 100644
index 0000000..12d0b2e
Binary files /dev/null and b/assets/1606222061142.png differ
diff --git a/assets/1606222961103.png b/assets/1606222961103.png
new file mode 100644
index 0000000..56f24aa
Binary files /dev/null and b/assets/1606222961103.png differ
diff --git a/必备数学基础.md b/必备数学基础.md
index 4956723..3211a79 100644
--- a/必备数学基础.md
+++ b/必备数学基础.md
@@ -1258,3 +1258,21 @@ notebook已更新，markdown待更新
 - 距离度量：常用欧几里得距离和余弦相似度（先标准化）
 - 优化目标：![1606221707427](assets/1606221707427.png)，让每一个样本到中心点（质心）的距离越小越好，即每个点到中心点的和最小，越小越相似
 
+#### KMEANS工作流程
+
+![1606222061142](assets/1606222061142.png)
+
+- a：我们拿到这一堆数据
+- b：k=2，初始化两个点
+- c：计算各个点到初始化的两个点的距离，近的聚类
+- d：更新初始化点
+- e：接着更新所有点到该两点的距离
+- f：不断更新，直到无法更新，聚类完成
+
+**优势：**简单、快速、适合常规数据集
+
+**劣势：**
+
+- K值难确定
+- 复杂度与样本呈线性关系
+- 很难发现任意形状的簇
\ No newline at end of file