聚类：通过物品来计算距离，并自动分类到不同的群集或组中。有两种聚类算法比较常用：
（1）K-means聚类算法
需要提前告诉算法要将数据分成几个组。
K-means算法过程可概括为：
- 随机选取k个元素作为中心点
- 根据距离将各个点分配给中心点
- 计算新的中心点
- 重复2,3,直至满足条件
K-means是一种最大期望算法，这类算法会在“期望”和“最大化”两个阶段不断迭代，比如k-means的期望阶段是将各个点分配到他们所期望的分类中，然后在最大化阶段重新计算中心点的位置。
补充：登山式算法
假设我们想要登上一座山的顶峰，可以通过以下步骤实现：
- 在山上随机选取一个点作为开始
- 向高处爬一点
-
重复第2步，直到没有更高的点
对于如下的山峰看起来很合理：
登山式算法
K-means也是这样的一种算法，它并不能保证最终结果是最优的，因为我们一开始选择的中心点是随机的，很有可能就会选到A点，最终获得局部最优解B点。因此，最终的聚类结果和起始点的选择有很大的关系。但尽管如此，k-means通常还是能够获得良好的结果的。
误差平凡和SSE
可以用误差平凡和（或称为离散程度）来评判聚类结果的好坏，他的计算方法是计算每个点到中心点的距离平凡和
注意：虽然指定了K的值，但不代表最终结果就会有k个分类，这通常是好事，比如，指定k=10，但结果有2个为空，那很可能这个数据集本来就该分成8个类别，因此可以尝试用k=8来重新计算。
K-means++
k-means算法有一个明显的缺点，在算法一开始需要随机选取k个起始点，这个随机会有问题。有时选取的点能产生最佳结果，而有时会让结果变得很差。K-means++则改进了起始点的选取过程，其余和k-means一致。
k-means++选取起始点的过程：
- 随机选取一个点
- 重复以下步骤，直到选完k个点
I． 计算没个数据点（dp）到各个中心点的距离（D），选取最小的值，记为D(dp)
II． 根据D（dp）的概率来随机选取一个点作为中心点
K-means++选取起始点的方法总结下来就是：第一个点还是随机的，但后续的点就会尽量选择离现有中心点更远的点
（2）层次聚类算法
不需要预先指定分类的数量，这个方法会将每条数据都当做是一个分类，每次迭代的时候合并距离最近的两个分类，直到剩下一个分类为止。
在合并的时候会计算两个分类之间的距离，可以采用不同的方法：
内容来源：《dataminmingguide》---聚类
