KMeans、KNN、Mean-shift
无监督学习
机器学习方法的一种，没有给出事先标记过的训练数据，根据输入自动分类或分群。
优点：算法不受监督信息（偏见）的约束，可能考虑到新的信息。
不要标签数据，极大程度扩大数据样本。
主要应用：聚类分析、关联规则、维度缩减
应用最广：聚类分析
聚类分析：根据对象属性中的某些相似度，将其化为不同的类别。
KMeans聚类：
1、根据数据与中心点距离划分类别
2、根据类别数据更新中心点
3、重复过程直到收敛
特点：
1、实现简单、收敛快
2、需要指定类别数量
Mean-shift（均值漂移）
1、在中心点的一定区域内检索数据点
2、更新中心
3、重复流程到中心点稳定（我理解是中心点周边数据点最多）
特点：
1、自动发现类别数量，无需人工选定。
2、需要选择区域半径。
DBSCAN算法
1、基于区域点密度筛选有效数据
2、基于有效数据向空间扩展，知道没有新点加入
=================================================
continue......