聚类分析是根据数据之间的自相似自动分类的。
分类的结果是，类内大相似，类间不相似或小相似。
聚类的分类方法有：
1.划分
2.层次
3.基于密度
4.基于网络
5.基于模型
划分聚类：
K-Means算法
将数据集划分为K个簇，每隔簇内部的样本都相似。主要步骤：
1.确定K个簇。
2.计算距离并进行归类
3.重新定K。
当出现单一条件不同、标准不同时，需要对数据进行归一化处理。
常见的有：
(x-min)/（max-min）
但是K-means由于其本身选取的是均值作为？
有一定的局限性：
1.不适用于非数值型数据，如分类数据，序列数据，且容易受极值的影响
2.K-means算法是对初始值敏感的，如果起初随意定初始值很可能无法迭代到本该的最优点。
3.K-means算法倾向于聚类后的半径相近，倾向于密度均匀的聚类
4.无法聚类出有型的点（一般只能用于球形）
鉴于K-means算法的缺点，可以使用，K-mediods，K-modes,K-prototype，二分 K-means算法进行替代
层次聚类
分为凝聚法和分裂法。