监督：简单的说就是利用过去已经做过的题来求解未知的题，若能解决则称为有监督；（用标签和特征标识）
K-means聚类和分类的区别：有监督和无监督；
K-means核心思想：
1、确定K值；
2、计算样本与质心距离（欧式距离），重新计算质心；
3、重复计算，直到质心不再改变；
簇的类型：
明显分离的
可以看到(a)中不同组中任意两点之间的距离都大于组内任意两点之间的距离，明显分离的簇不一定是球形的，可以具有任意的形状。
基于原型的
簇是对象的集合，其中每个对象到定义该簇的原型的距离比其他簇的原型距离更近，如(b)所示的原型即为中心点，在一个簇中的数据到其中心点比到另一个簇的中心点更近。这是一种常见的基于中心的簇，最常用的K-Means就是这样的一种簇类型。
这样的簇趋向于球形。
基于密度的
簇是对象的密度区域，(d)所示的是基于密度的簇，当簇不规则或相互盘绕，并且有早上和离群点事，常常使用基于密度的簇定义。
基本的聚类分析算法：
1、K均值：基于原型的、划分的距离技术，它试图发现用户指定个数(K)的簇。
2、凝聚的层次距离：思想是开始时，每个点都作为一个单点簇，然后，重复的合并两个最靠近的簇，直到尝试单个、包含所有点的簇。
3、DBSCAN：思想是开始时，每个点都作为一个单点簇，然后，重复的合并两个最靠近的簇，直到尝试单个、包含所有点的簇。
距离度量：
参考：https://blog.csdn.net/taoyanqi8932/article/details/53727841