聚类分析 百度百科：传送门
聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程
聚类与分类的不同在于，聚类所要求划分的类是未知的
聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。
IRIS （IRIS数据集） 百度百科：传送门
Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。
可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。
一、k-means聚类
K-means聚类也称为快速聚类，k-means聚类涉及两个主要方面的问题。：第一，如何测试样本的“亲疏程度”；第二，如何进行聚类。通常，“亲疏程度”的测度有两个角度：第一，数据间的相似程度；第二，数据间的差异程度。衡量相似程度一般可采用简单相关系数或等级相关系数，差异程度一般通过某种距离来测度。k-means聚类方法采用第二个测度角度。k-means聚类的基本思想是先将样本空间分割成随意的若干类，然后计算所有样本点到各类中的距离，由于初始聚类结果是在空间随意分割的基础上产生的，因此无法确保所给出的聚类解满足上述要求，所以要经过多次反复。聚类数目确定本身并不简单，太大或太小都会失去聚类的意义。由于距离是k-means聚类的基础，因此也要注意：1、当聚类变量值有数量级上的差异时，一般通过标准化处理消除变量的数量级差异。2、聚类变量之间不应该有较强的线性相关关系。