Algorithm 在k-均值聚类中最小化损失函数意味着什么？

我正在学习k-means聚类算法，我读到该算法“试图最小化未达到聚类目标的损失函数”

我理解该算法的基本概念，该算法在第一次迭代中初始化任意质心/均值，然后将数据点分配给这些簇。然后在所有点都指定后更新质心，并再次重新指定点。算法继续迭代，直到集群不再改变。该算法试图最小化簇内平方和（WCSS）值，该值是簇内方差的度量

---

然而，在这个算法的上下文中，我很难理解损失函数的含义。任何见解都值得赞赏。

在机器学习的更广泛背景下，a（有时称为成本函数）是一个表示特定答案“糟糕”程度的函数。最小化损失函数对应于找到问题的“最佳”答案

（考虑“损失最少”可能会很奇怪，在这种情况下，将其视为成本函数可能更容易。目标是找到问题的最低成本解决方案。）