定义

按照某个特定标准(如距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。

聚类与分类的区别

Clustering (聚类),unsupervised learning (无监督学习)。
Classification (分类)，supervised learning (监督学习)。

聚类过程

• 数据准备：包括特征标准化和降维；
• 特征选择：从最初的特征中选择最有效的特征,并将其存储于向量中；
• 特征提取：通过对所选择的特征进行转换形成新的突出特征；
• 聚类(或分组)：首先选择合适特征类型的某种距离函数(或构造新的距离函数)进行接近程度的度量，而后执行聚类或分组；
• 聚类结果评估：是指对聚类结果进行评估，评估主要有3种：外部有效性评估、内部有效性评估和相关性测试评估。

衡量聚类算法优劣的标准

• 处理大的数据集的能力；
• 处理任意形状，包括有间隙的嵌套的数据的能力；
• 算法处理的结果与数据输入的顺序是否相关，也就是说算法是否独立于数据输入顺序；
• 处理数据噪声的能力；
• 是否需要预先知道聚类个数，是否需要用户给出领域知识；
• 算法处理有很多属性数据的能力，也就是对数据维数是否敏感。

１.层次化聚类方法

CURE算法

２.划分式聚类方法

K-means

３.基于密度的方法

DBSCAN

４.基于网格的方法

STING算法

５.神经网络

SOM算法

6.基于图的聚类方法

谱聚类