聚类了解

1. 聚类与分类的区别： 分类是已知各类别的属性值，将事物通过特征的筛选归并到已知的类别。聚类通过相似性的度量方式，将距离相近的归并到同一类，距离较大的归并到不同类。
   
2. 相似性度量：欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化欧氏距离、马氏距离、余弦相似度、汉明距离、杰卡德距离& 杰卡德相似系数、皮尔逊相关系数、相关系数& 相关距离、信息熵
   
3. 层次聚类：由下而上的合并cluster,优点：一次性得到整个聚类过程。缺点：层次聚类采用的是贪心算法，只能得到局部最优解

数据流的聚类算法

stream方法：采用分级聚类，但STREAM算法没有考虑数据流的演变，即算法没有给予最近的数据较大的权重。聚类的结果可能受控于过期的数据点。STREAM算法更趋近与一个批处理的过程，无法给出一个anytime的回应，即算法无法在任意时刻给出当前数据流的聚类结果。STREAM的不足还包括无法给出不同时间粒度的聚类结果等等。

基于层次的方法---clustream:联机的微聚类（micro clustering）和脱机的宏聚类（macro clustering）.CluStream算法解决了STREAM算法的两个问题。即它是增量式（incremental）的聚类算法，在每个数据项到来时进行处理，能给出anytime的回应；并且，它使用Pyramidal时间框架，能给出不同时间粒度的聚类结果。这对于希望分别考察诸如上周、上月以及去年的聚类分析结果的用户意义重大