分級聚類通過連續不斷地將最為相似的的群組合并，來構造出一個群組的層級結構。在每次迭代的過程中，分級聚類算法都會計算兩兩群組間的距離，并將距離最近的兩個群組合并，最張形成一個群組。?

k均值法（以前一直以為kmeans和knn指的同一種算法，hh）。k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開。