1 定义
聚类（clustering）是一种无监督学习方法，根据样本特征寻找数据中自然存在的分组，使同一簇（cluster）中的样本相对相似、不同簇中的样本相对不同。与监督学习中的分类不同，聚类没有预先给定的类别标签，形成哪些簇以及各样本属于哪个簇由数据及所采用的聚类方法决定。
2 类型
不同聚类方法对“相似”和“簇”的定义不同，常见方法包括：
- 划分聚类（partitioning methods）直接把全部样本划分为若干互不重叠的簇。典型方法是K-means聚类，研究者预先指定簇数，算法反复调整各簇中心和样本归属，使样本到所属簇中心的距离尽可能小。
- 层次聚类（hierarchical clustering）逐步合并距离较近的样本或簇，形成由小簇到大簇的树状结构；也可以从全部样本组成的整体开始逐步拆分。结果通常可以用树状图表示，研究者再根据树状结构选择合适的聚类层级。
- 基于密度的聚类（density-based methods）根据样本在特征空间中的密度识别不同簇。例如DBSCAN将被低密度区域隔开的高密度区域识别为不同簇，并可以把稀疏区域中的样本识别为噪声。
- 基于网格的聚类（grid-based methods）先把特征空间划分为许多网格单元，再根据各单元中的样本分布进行聚类。
- 概率聚类（probabilistic methods）假定数据由若干概率分布混合产生，估计每个样本属于各个簇的概率，而不一定只给出非此即彼的簇归属。