机器学习入门必读：6种简单实用算法及学习曲线、思维导图( 四 )_大部分的机器学习算法主要用来解决两类

聚类算法是一类无监督学习算法。聚类是研究（样品或指标）分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。

聚类分析以相似性为基础，在一个聚类中的模式比不在同一聚类中的模式具有更多的相似性，这是聚类分析的最基本原理。聚类分析的算法可以分成很多类方法，比如划分法、层次法、基于密度的方法、基于网络的方法和基于模型的方法。

最有名的聚类算法就是K-Means（K-均值）算法，是最为经典的、基于划分的聚类方法。该算法的主要思路是以空间中k个点为形心进行聚类，将最靠近它们的对象归类。通过迭代的方法，逐次更新各簇的形心的值，直至得到最好的聚类结果。（形心可以是实际的点，也可以是虚拟点）。

通过该算法我们可以将特征相似的数据聚合称为一个数据群组，而将特征相差较大的数据分开。

4. 关联分析算法

关联分析是除了聚类以外的一种常用无监督学习方法。用于发现存在于大量数据集中的关联性或相关性，从而描述了一个事物中某些属性同时出现的规律和模式。

机器学习入门必读：6种简单实用算法及学习曲线、思维导图( 四 )