概念
如下一些例子，都是聚类：
- 发现不同的客户群，刻画不同的消费群体的特征
- 推导植物和动物的种类
- 基因和蛋白质的分类
- 气候带的划分
- 文档的归类
对比理解，会好理解一些：分类，是先定好标准，1,2,3，然后把一堆事物分好类别，分别归类到1,2,3中；聚类，是我自己也不知道有什么标准，我就想看着这一堆数据，他们可以根据一些什么特征，让他们自动归成不同的类别。因此，对于聚类来说，可以使用如下的思路，进行归类：
- 基于距离：用各式各样的距离来衡量数据对象之间的相似度，比如k-means算法；
- 基于密度：依据合适的密度函数进行类间聚类，比如DBSCAN算法；
- 基于模型：目标数据集由一系列的概率分布决定，比如高斯混合模型聚类算法；
- 基于图：基于图或超图模型，将高密度联通的对象聚为一类，比如谱聚类算法。
基于距离
欧氏距离（欧几里得距离）
曼哈顿距离（网格距离）
