用于数据挖掘的聚类算法有哪些，各有何优势？ （https：//www. coursera.org/course/ml）A List of Data Science and Machine Learning http：//conductrics.com/data-science-resources/） 转载自 THU数据派 官方微信公众。
层次聚类方法的聚类分类 根据聚类原理步骤3的不同，可将层次式聚类 方法分为几类：single-linkage，complete-linkage 以及average-linkage 聚类方抄法等.SL聚类，即single-linkage聚类法(也称connectedness 或minimum 方法)：类间距离等于两类对象袭之间的最小距离，若用相似度衡量，则是各类中的任一对象与另一类中任一对象的最大相似度。CL层次聚类，即complete-linkage聚类法(也称diameter 或maximum 方法)：组间距离等于两组对象之间的最大距离。AL层次聚类，即average-linkage聚类法组间距离等于两组对象之间的平均距离。average-link 聚类的一个变种是R.D'Andrade(1978)的UCLUS方法，它使用的是median距离，在受异知常数据对象的影响方面，它要比平均距离表现更佳一些.这种层次聚类称为“凝聚法，由于它迭代合并所有分类。也有一种“划分”层次聚类法，与“凝聚”道相反，它先将所有对象放在同一类中，并不断划分成更小的类，划分法一般很少使用。
关于聚类算法，为什么很少听说有用GMM算法的，经常看到kmeans或者层次聚类等？ GMM既然可以做聚类，为什么很多博客在介绍的时候大多集中在kmeans、密度聚类等算法上？GMM做聚类有哪些劣…
在进行系统聚类分析时，不同的类间距离计算方法有何区别
