在大数据分析中哪些聚类算法是最常使用的？ 聚类算法那么多，并不清楚具体哪些才是真正用的到的，不能够选择性的学习.
用于数据挖掘的聚类算法有哪些，各有何优势？
谱聚类算法的划分准则 谱聚类算法将聚类问题转化为图的划分问题之后，基于图论的划分准则的优劣直接影响到聚类结果的好坏。常见的划分准则有Mini cut，Average cut，Normalized cut，Min-max cut，Ratio cut，MNcut等。Mini cut准则容易出现分割出只包含几个顶点的较小子图的歪斜分割现象，Ratio cut和Normalized cut等在一定程度上可以避免这种现象，但是当类间重叠严重时歪斜分割现象仍旧会发生。Chris Ding等人提出的基于Min-max cut的图划分方法充分体现了“子图内部相似度最大，子图之间的相似度最小”原则，能够产生比较平衡划分。上述五种划分都是不断地将图划分为2个子图的反复迭代运算过程，当划分函数的最小值满足一定的条件时迭代过程便会终止，相应的函数可以称为2-way划分函数。Meil？和Xu[64]认为可以同时把图划分为k个子图并于2004年提出了一种k-way规范割目标函数，而且对于参数k的选取问题也作了分析说明。我们可以发现当k=2时，MNcut与Ncut两者是等价的。
什么情况下使用基于划分聚类的算法 你指的就是聚类算法吧，能说下你要解决的具体问题或领域么，不然没法一概而论。一般而言，针对一组没法完全看出优劣的数据或者图像或者情况，用聚类算法去分类至少有个算法理论依据。就像判断一群人里每个人的好坏，你也没法说清，但是用聚类先去划分好，至少有个结果，而且这个结果还有一点理论依据
