本章难点
　　1. 非监督学习方法与监督学习方法概念的区别
　　2. 按分布密集程度划分的基本方法
　　3. 动态聚类方法-迭代修正的概念
　　4. 分级聚类方法

本章学习指南
　　在学习本章时首先要弄清本章的主要内容是什么？这要从非监督学习方法的主要任务，与前几章讨论问题的主要任务相对照，从对比它们的差别体会到学习本章的目的，特别是体会非监督学习方法是研究对数据进行分析，在数据中寻找规律的方法学的。
　　研究数据中的规律性有许多不同的方面。在本章主要是按数据体现的共性将具有相同共性的数据划分在一起，将具有不同共性的数据划分开。找到数据体现的共性才能找到这些数据内在的规律。
　　将数据按它们表现出的共性进行划分有两种基本方法，从大体上去把按这种不同方法的特点。
　　在实用中C均值算法等为代表的动态聚类方法，以及分级聚类方法是常用的方法，要重点掌握。
　　学习中要掌握从易而难的学习方法，如对数据相似度的度主方法最容易的是欧氏距离，然后再扩展到种种非欧氏距离的方法。

本章学习目标
　　1. 掌握非监督学习方法的概念、用途
　　2. 了解非监督学习方法对数据划分有两种基本方法
　　3. 掌握以c-均值算法，ISODATA算法为代表的动态聚类方法

本章课前思考题
　　1. 如果给机器一维数据，机器能自动地找出其中存在的规律吗？
　　2. 有人把非监督学习方法叫无教师的学习，而把第二章、第三章讨论的内容成为有监督学习，又称有教师的学习，你知道谁是教师吗？教师的作用体现在哪里？
　　3. 机器能总结数据中存在的哪些规律呢？
　　4. 机器能总结天气变化的规律，给出天气预报吗？
　　5. 机器能炒股吗？
　　6. 非监督学习方法与数据有关系吗？

知识树