聚类是一种无监督学习任务。
聚类的结果应该满足：“簇内相似度”高且“簇间相似度”低
原型聚类：k均值算法(k-means)、高斯混合聚类算法.
原型聚类算法假设聚类结构能够通过一组原型刻画，是最为常用的方法.此类算法首先初始化原型，然后对原型进行迭代更新求解。
密度聚类：DBSCAN
密度聚类假设聚类结构能够通过样本分布的紧密程度确定.此类算法从样本密度的角度出发来考察样本之间的可连接性，并基于可连接样本不断扩展聚类簇来获得最终的结果.
对初始值比较敏感 可以使用kmeans++
最好的衡量指标