1 聚类是对物理的或者抽象的对象集合分组的过程，聚类生成的组称为簇，而簇是数据对象的集合。
（1）簇内部的任意两个对象之间具有较高的相似度。（2）属于不同的簇的两个对象间具有较高的相异度。
2 相异度可以根据描述对象的属性值来计算，最常用的度量指标是距离。
3 聚类最初来自数学，统计学，和数值分析；机器学习领域把聚类描述成隐含模式，发现簇的过程是无监督学习；聚类是模式识别的重要手段。
4 聚类的特点：用少量的簇来描述大量数据的特征： 数据简洁，丢失精细部分
5 聚类数据挖掘实践中的应用
（1） 数据预处理 （2） 科学数据探索 （3） 信息获取与文本挖掘 （4） 空间数据库应用
（5） 客户关系管理（6） 市场分析 （7） Web分析 （8） 医学诊断 （9）计算生物学。
6 统计学 ： 聚类分析是通过数据建模简化数据的一种方法：包括 系统聚类法，分解法，加入法，动态聚类法。有序样品聚类，有重叠聚类和模糊聚类等
7 机器学习：簇 相当于隐藏模式。聚类是搜索簇的无监督学习的过程
与 分类不同。无监督学习不依赖预先定义的类或者带类标记的训练实例。需要有聚类学习算法自动确定标记。而分类学习
的实例或数据对象有类别标记。聚类是观察试学习，而不是实例式学习。
8 实际应用：聚类分析是数据挖掘的主要任务之一
（1） 作为一个独立的工具获得数据的分布状况。观察每一个簇数据的特征，集中对特定的簇集合作进一步地分析。
（2） 作为其他数据挖掘任务（如分类，关联规则）的预处理步骤
9 聚类算法的特征：
（1）处理不同类型属性的能力；
（2） 对大型数据集的可扩展性；
（3） 处理高维数据的能力；
（4） 发现任意形状簇的能力；
（5） 处理孤立点或“噪声”数据的能力；
对“噪声”数据具有较低的敏感性；
合理地发现孤立点。
（6） 对数据顺序的不敏感性；
（7） 对先验知识和用户自定义参数的依赖性；
（8） 聚类结果的可解释性和实用性；
（9） 基于约束的聚类。
10 聚类算法分类：
(1) 基于划分的方法： K-means 算法 基于密度的算法
（2） 基于层次的方法： 凝聚算法 分裂算法
（3） 基于网络的 方法
（4） 非数据与数据属性同时出现的方法
（5）基于约束的方法
（6） 运用机器学习技术的方法 ：梯度下降法 人工神经网络 进化模型
（7）有扩展性的算法
（8） 面向高维数据集的算法
10 数据类型
（1）区间标度型：用线性标度描述的连续度量 （如 高度 重量 经纬度坐标 温度等）
（2） 布尔类型： 如果两个状态同等重要，称为对称的 否则是不对称的
（3） 标称型： 有若干个离散的取值
（4）序数型： 取离散的序数值，序列排序是有意义的
（5） 比例标度型：在非线性标度上取正的度量值。
11 数据结构
数据矩阵 相异度矩阵
