1、K-Means聚类
步骤:①初始化K个样本点作为初始聚类质心②根据欧氏距离将其他样本点划分为相应类别③计算新的质心作为聚类中心④重复二三步骤 终止条件:最终一次聚类的质心与上一次聚类的质心差值<设定的阈值
2、层次聚类(AgglomerativeClusting)
树结构聚类
聚类距离选择:最近single linkage,最远complete linkage,平均average linkage
3、密度聚类(DBSCAN)
主要的两个参数: eps半径 minpts最小样本点