聚類分析是在沒有給定劃分類別的情況下，根據數據相似度進行樣本分組的一種方法。與分類模型需要使用有類標記樣本構成的訓練數據不同，聚類模型可以建立在無類標記的數據上，是一種非監督的學習算法。聚類的輸入是一組未被標記的樣本，聚類根據數據自身的距離或相似度將其劃分爲若干組，劃分的原則是組內距離最小化而組件（外部）距離最大化。
常用聚類方法
|
類別 |
包括的主要算法 |
|
劃分（分裂）方法 |
K-Means算法（K-平均）、K-MEDOIDS算法（K-中心點）、CLARANS算法（基於選擇的算法） |
|
層次分析方法 |
BIRCH算法（平衡迭代規約和聚類）、CURE（代表點聚類）、CHAMELEON算法（動態模型） |
|
基於密度的方法 |
DBSCAN算法（基於高密度連接區域）、DENCLUE算法（密度分佈函數）、OPTICS算法（對象排序識別） |
|
基於網格的方法 |
STING算法（統計信息網絡）、CLIOUE算法（聚類高維空間）、WAVE-CLUSTER算法（小波變換） |
|
基於模型的方法 |
統計學方法，神經網絡方法 |
常用聚類分析算法
|
算法名稱 |
算法描述 |
|
K-Means |
K-均值聚類也稱爲快速聚類法，在最小化誤差函數的基礎上將數據劃分爲預定的類數K。該算法原理簡單並便於處理大量數據。 |
|
K-中心點 |
K-均值算法對孤立點的敏感性，K-中心點算法不採用簇中對象的平均值作爲簇中心，而選用簇中離平均值最近的對象作爲簇中心 |
|
系統聚類 |
系統聚類也稱爲多層次聚類，分類的結構由高到低呈樹形結構，並且所處的位置越低，其所包含的對象就越少，但這些對象間的共同特徵越多。該聚類方法只適合在小數據量時候使用，數據量大的時候速度會非常慢。 |