聚类

K-means方法：

工作原理：
首先随机的从数据集中选取k个点，每个点初始的代表每个族的聚类中心，然后计算剩余各个样本到聚类中心的距离，将他赋给最近的簇，接着重新计算每个簇的平均值，整个过程不断重复，如果相邻两次调整没有明显变化，说明数据聚类的簇已经收敛。
步骤：
1、从n个数据对象中任意选择k个对象作为初始聚类中心
2、循环3，4直到每个聚类不再发生变化
3、根据每个聚类对象的均值，计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分；
4、重新计算每个聚类的均值，直到聚类中心不再变化。

层次聚类：

层次聚类原理和步骤:
通过将数据组织为若干组，并形成一个相应的树来进行聚类的，根据层次是自底向上还是自顶向下形成，可以分为凝聚的聚类算法和分裂的聚类算法

神经网络聚类

模糊C-均值方法

高斯混合聚类方法