聚类分析，简单的说，就是对数据分群，它以相似性为基础，相同类中的样本比不同类中的样本更具相似性。在商业应用中，聚类通常用来划分用户群，然后分别加以研究；另外，它还可以挖掘数据中潜在的模式，基于此改进业务流程或设计新产品等。常见的聚类算法有k-Means算法、系统聚类算法，下面将依次介绍。

k-Means算法

    k-Means算法是一种基于划分的经典聚类算法，对于给定的含有N条记录的数据集，算法将把数据集分成k组（k<N），使得每一分组至少包含一条数据记录，每条记录属于且仅属于一个分组。算法首先会给出一个随机初始的分组，再通过反复迭代改变分组，使每一次改进的分组比上一次好，用于衡量好的标准通常是：同一分组中的记录越近越好，而不同分组中的记录越远越好，通常使用欧氏距离作为相异性度量。k-Means实现的基本流程如下图所示。

系统聚类算法

       系统聚类法是目前国内外使用比较多的一种聚类方法，它将首先将每个样本单独看成一类，在规定类间距离的条件下，选择距离最小的一对合并成一个新类，并计算新类与其他类之间的距离，再将距离最近的两类合并，这样每次会减少一个类，直到所有的样本合为一类为止。常用的距离包括绝对值距离、欧氏距离、明氏距离、切比雪夫距离、马氏距离、兰氏距离、余弦距离。同时，类间距离也有很多定义方法，主要有：类平均法、可变类平均法、可变法、重心法、中间距离法、最长距离法、最短距离法、离差平方法。