聚类也成为集群分析，是把相似的对象通过静态分类的方式分成不同组或更多的子集，属于非监督学习。
与分类问题不同的是，聚类问题的数据事先是没有标签的。
数据点之间的距离度量：
经典算法：K-means等
应用：
层次型聚类：
在不同层面，grouping结果不同。
emmmmmmmm，数据挖掘有个广为人知的但是不知真伪的例子：啤酒与尿布。讲的是沃尔玛经过对顾客的购买行为数据进行分析后，得出男人在买尿布的时候一般会买一些啤酒。这其实就是一关联规则的体现。
下面再举个栗子：
通过对购买行为的分析，我们得到了买牛奶和面包时，一般会买黄油的结论。
回归接触比较多，这里就不展开bb了，注意回归也不能要求overfitting。
此外还有数据可视化，数据预处理等一些方面，数据预处理是数据挖掘中最麻烦，最耗时的一步，而可视化可用的工具（软件）有很多，数据的可视化可以帮助我们合理地选择算法，提高效率。
原文：https://www.cnblogs.com/jameschou/p/11013525.html