聚类分析是一种数据归约技术，旨在揭露一个数据集中观测值的子集。它可以把大量的观测值归约为若干个类。 最常用的两种聚类方法是层次聚类（hierarchical agglomerative clustering）和划分聚类（partitioning clustering）。在层次聚类中，每一个观测值自成一类，这些类每次两两合并，直到所有的类被聚成一类为止。在划分聚类中，首先指定类的个数K，然后观测值被随机分成K类，再重新形成聚合的类。

　　对于层次聚类来说，最常用的算法是单联动（single linkage）、全联动（complete linkage ）、平均联动（average linkage） 、质心（centroid）和Ward方法。

　　对于划分聚类来说，最常用的算法是K均值（K-means）和围绕中心点的划分（PAM）。

　　最近在看分类和聚类，好一段时间没写博客了，主要是觉得这两个问题都比较复杂，好多东西要整理

聚类分析