聚类在输入为多个数据时，将“相似”的数据分为一组的操作,1个组就叫作1个“簇”。

如何定义相似定义数据间的差距,使用用最具代表性的聚类算法“k-means算法”。该算法可以把数据按要求分为k个簇。

k-means算法它可以根据事先给定的簇的数量进行聚类。

「流程」

• 首先准备好需要聚类的数据，然后决定簇的数量。本例中我们将簇的数量定为3。此处用点表示数据，用两点间的直线距离表示数据间的差距。

• 随机选择3个点作为簇的中心点。计算各个数据分别和3个中心点中的哪一个点距离最近。

• 将数据分到相应的簇中。这样，3个簇的聚类就完成了。

• 计算各个簇中数据的重心，然后将簇的中心点移动到这个位置。

• 重新计算距离最近的簇的中心点，并将数据分到相应的簇中。

• 重复执行“将数据分到相应的簇中”和“将中心点移到重心的位置”这两个操作，直到中心点不再发生变化为止。操作到此结束，聚类也就完成了

  
  

  特点k-means算法中，随着操作的不断重复，中心点的位置必定会在某处收敛，这一点已经在数学层面上得到证明。

  层次聚类算法不需要事先设定簇的数量,一开始每个数据都自成一类。也就是说，有n个数据就会形成n个簇。然后重复执行“将距离最近的两个簇合并为一个”的操作n-1次。每执行1次，簇就会减少1个。执行n-1次后，所有数据就都被分到了一个簇中。在这个过程中，每个阶段的簇的数量都不同，对应的聚类结果也不同。只要选择其中最为合理的1个结果就好。合并簇的时候，为了找出“距离最近的两个簇”，需要先对簇之间的距离进行定义。根据定义方法不同，会有“最短距离法”“最长距离法”“中间距离法”等多种算法。