1、什么是聚类？ 聚类(clustering )是典型的“无监督学习”，是将物理对象或抽象对象的集合分组到由彼此类似的对象组成的多个类中的分析过程。
我们不要觉得聚类这个行为很神秘，也不要觉得这是机器学习特有的东西。 相反，聚类行为的本源还是人自身是我们学习的所有数据挖掘和机器学习的算法和思想的来源是人自身的思维方式。 只是，我们把它教给机器让它代劳，让机器成为我们手脚和能力的延伸，而不是让它去创造和思考。
2、聚类是什么现象？ 我们人类在认识客观世界的过程中其实面临着容量性的问题。 我们面对的每一棵树、每一朵花、每一只昆虫、每一只动物、每一个人、每一座建筑物……所有个体之间实际上是不同的。 有一种差距相当大，我们在认知和记忆这些客观事物的过程中将会非常痛苦。 因为，量真的大到无法忍受。
所以人类在认识“从下到上”的世界的过程中，会选择“偷懒”式的总结分类方式。 注意“偷懒”的方式是人类与生俱来的方法。
小时候，我们被父母用看画说话的方法教咿呀呀的语言，有了相似的体验。 因为照片上画着猴子，所以我们知道是猴子。 照片上画着车。 于是我们明白了这是车。 ……去街上或者去动物园的时候一看，猴子也不是画上的猴子。 另外，许多猴子之间也有各种各样的形状，各不相同。 我们会把它们当成新的吗？ 看车也一样，大小、颜色、样式，甚至喇叭的声音也多种多样，它们在我们眼里是新的吗？ 不，它们还是汽车这东西之间确实有区别，但它们给我们的认知带来了很大的烦恼吗？ 不。 我们无论如何也不会把猴子和汽车当作一种东西来认识。 虽然猴子彼此不同，但在体格、毛发、行为和各种形态上，我们仍然认为这些不同种类的猴子是猴子和大动物。 它既可以与汽车混淆，也可以很容易地与狗、马、熊等哺乳动物分开。
人类具有这样总结和归纳的能力，可以将认知上相似的东西集中在一起成为同类。 它们之间可以有相互不同的东西，但我们心中有一个“限度”。 只要在这个限度内，特征上有一些差异也没关系。 那些果然是这一类的东西。
在这样的东西内部，也能看到一个个体之间比较接近，另一个个体之间比较接近的现象，如果我们能清楚地认识到差异，就可以把大的范畴细分成小的范畴来认知。 例如，汽车从外观上可以分为轿车卡车、面包车等种类，虫子们也可以从形状上很容易地区分为虫子、爬虫类、毛虫。 ……最新的人工智能学习资料视频，请参阅人工智能学习资料。
在没有人特意告诉我们不同小群体的称谓和特性之前，我们自然具备的这种主观认知能力把一个个特征形态相同或近似的划分放在一个概念下，把特征形态不同的划分放在不同的概念下，这本身就是“聚类”