分类与聚类
分类
分类其实是从特定的数据中挖掘模式，作出判断的过程。
分类学习主要过程：
（1）训练数据集存在一个类标记号，判断它是正向数据集（起积极作用，不垃圾邮件），
还是负向数据集（起抑制作用，垃圾邮件）；
（2）然后需要对数据集进行学习训练，并构建一个训练的模型；
（3）通过该模型对预测数据集进预测，并计算其结果的性能。
聚类
从广义上说，聚类就是将数据集中在某些方面相似的数据成员放在一起。
一个聚类就是一些数据实例的集合，其中处于相同聚类中的数据元素彼此相似，但是处于不
同聚类中的元素彼此不同。
由于在聚类中那些表示数据类别的分类或分组信息是没有的，即这些数据是没有标签的
，所
以聚类通常被归为无监督学习（Unsupervised Learning）。
聚类的目的也是把数据分类，但是事先是不知道如何去分的，完全是算法自己来判断各条数
据之间的相似性，相似的就放在一起。
在聚类的结论出来之前，完全不知道每一类有什么特点，一定要根据聚类的结果通过人的经
验来分析，看看聚成的这一类大概有什么特点。
总之，聚类主要是"物以类聚"，通过相似性把相似元素聚集在一起，它没有标签；而分类通
过标签来训练得到一个模型，对新数据集进行预测的过程，其数据存在标签。
K-Means
聚类
K-Means聚类是最常用的聚类算法，最初起源于信号处理，其目标是将数据点划分为K个类簇。
该算法的最大优点是简单、便于理解，运算速度较快，缺点是要在聚类前指定聚集的类簇数。
k-means算法是一种原型聚类算法。
k-means聚类算法的分析流程：
第一步，确定K值，即将数据集聚集成K个类簇或小组。
第二步，从数据集中随机选择K个数据点作为质心（Centroid）或数据中心。
第三步，分别计算每个点到每个质心之间的距离，并将每个点划分到离最近质心的小组。
第四步，当每个质心都聚集了一些点后，重新定义算法选出新的质心。（对于每个簇，计
算其均值，即得到新的k个质心点）
第五步，迭代执行第三步到第四步，直到迭代终止条件满足为止（聚类结果不再变化）