<數(shù)據(jù)聚類(data clustering): 用以尋找緊密相關(guān)的事、人或觀點(diǎn)，并將其可視化的方法。>

• 監(jiān)督學(xué)習(xí)(supervised learning): 利用樣本輸入和期望輸出來學(xué)習(xí)如何預(yù)測的技術(shù)。包括：神經(jīng)網(wǎng)絡(luò)，決策樹，向量支持機(jī)，貝葉斯過濾等。利用帶有正確答案的樣本數(shù)據(jù)進(jìn)行訓(xùn)練。
• 無監(jiān)督學(xué)習(xí)(unsupervised learning): 在一組數(shù)據(jù)中找尋某種結(jié)構(gòu)，而這些數(shù)據(jù)本身不是所要找的答案。如聚類。

聚類算法的數(shù)據(jù)，通常應(yīng)以一組公共的數(shù)值型屬性，利用屬性對數(shù)據(jù)項(xiàng)進(jìn)行比較。

分級聚類 Hierarchical Clustering

分級聚類通過連續(xù)不斷地將最為相似的群組兩兩合并，構(gòu)造出一個(gè)群組的層級結(jié)構(gòu)。其中每個(gè)群組都是從單一元素開始的。每次迭代中，算法都會計(jì)算每兩個(gè)群組間的距離，并將距離最近(相似度)的兩個(gè)群組合并成一個(gè)新的群組(數(shù)據(jù)為兩個(gè)舊群組的數(shù)據(jù)求均值)，重復(fù)迭代直至只剩一個(gè)群組。
該過程可視化表示為樹狀圖。

列聚類 Column Clustering

將數(shù)據(jù)集轉(zhuǎn)置后，再執(zhí)行聚類操作。
當(dāng)數(shù)據(jù)項(xiàng)的數(shù)量比變量多時(shí)，更大概率出現(xiàn)無意義聚類，可轉(zhuǎn)置后聚類。

K-均值聚類 K-Means Clustering

分級聚類的算法計(jì)算量很大很大（每兩個(gè)匹配項(xiàng)的距離都需計(jì)算），且返回的樹形視圖不會真正將數(shù)據(jù)拆分成不同組。故采用K-均值聚類：預(yù)先告訴算法希望生成的聚類數(shù)量，算法根據(jù)數(shù)據(jù)的結(jié)構(gòu)狀況確定聚類的大小。
算法過程：先確定k個(gè)中心位置（位于空間中代表聚類中心的點(diǎn)），然后將各個(gè)數(shù)據(jù)項(xiàng)分配給最臨近的中心店，待分配完成后，聚類中心移到分配給該聚類的所有節(jié)點(diǎn)的平均位置處，然后重新開始整個(gè)分配過程。重復(fù)此過程，直至分配過程不再產(chǎn)生變化。

針對偏好的聚類

數(shù)據(jù)集取值有多種時(shí)，采用皮爾遜相關(guān)度較優(yōu)；但當(dāng)數(shù)據(jù)集只有兩種取值時(shí)，對用戶在物品方面互有重疊的情況進(jìn)行度量，更具有意義。

Tanimoto系數(shù)： 代表交集(只包含那些在兩個(gè)集合中都出現(xiàn)的項(xiàng))與并集(包含所有出現(xiàn)于任一集合中的項(xiàng))的比率。