針對海量數據，如何進行KNN分類和聚類，比如10萬行的數據。
本篇給出基本思路，具體實現未介紹。
問題：如何對海量數據（5000萬行）進行分類
分析：進行分類的前提是，已經有相同格式數據分類完畢；接下來，是如何將新的海量數據（5000行），進行合理分類。
思路1：bayes分類，根據數據的特徵向量，計算其不同分類下的概率值，取最大概率所屬類，即是分類結果。
思路2：KNN分類，計算待分類記錄與已分類樣本的距離值（如果已分類數量太大，可以用採用數據代替），統計近鄰範圍內（思想確定的近鄰標準距離r）的已分類樣本投票結果，選取投票值最大的作爲分類結果。
問題：如何對海量數據（5000萬行）進行聚類
分析：聚類的前提是，樣本數據沒有明確的分類歸屬；接下來，需要對每個樣本進行類別劃分。
思路1：Kmeans聚類，隨機選擇一個K值，迭代計算整個樣本的聚類結果，畫出曲線（K-總誤差和），曲線斜率發生明顯變化的點，即是最優K值。
思路2：對樣本抽樣，形成新樣本；對新樣本進行聚類，將樣本分成幾類；用決策樹對每類提取規則；再返回對所有樣本進行分類，最終對所有數據進行了類別確定。
異常點處理：
如果有一個點離其族羣質心距離過大，比其他值都要大。
比如：100，這個族羣其它點離質心的值都是10以下。
必要時，需要新建一個分類，將其歸屬到新的分類中。