K均值聚类

根据到给点样本的距离，来聚类。

1.曼哈顿距离、

2.欧几里得距离

直线距离

3.切比雪夫距离

4.闵氏距离

5.余弦相似度

对数据大小/长度等不关注，只关注相似度。

6.汉明距离  二进制距离

二、密度聚类 DBSCAN

前提是样本是根据紧密程度分布的。

先用超参数生成核心对象

三、层次聚类

合并距离最近的两个样本点。关键是求距离。

四、高斯混合分布聚类：数据重合，均值或方差至少有一个是不同的。

五、总结

六、性能度量

1.利用真实值

2.不利用外部真实值