超人快宣我的其他部分（如特征和预测）的预处理过程。
聚类分析不需要训练数据集，它的类标号是未知的，无监督式的分析过程。根据分析数据、分类目的与实际应用的不同，聚类分析算法可以分为划分方法，层次方法，基于密度的方法，基于网格的方法和基于模型的方法等。
一个好的数据流聚类算法应该具备的3个要求：
（a）对已发现的簇提供一个简洁的表示方法；
（b）对新的数据元素的处理应该是个增量式的方式，并且应该它是快速的；
（c）有清晰而快速地孤立点检测的能力。
（2）关联规则
数据关联是数据库中存在的一类重要的可被发现的知识。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。
关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组，第二阶段再由这些高频项目组中产生关联规则。
关联规则是从给定数据集中挖掘出数据项之间有趣的联系。关联规则分析数据的主要分为两个过程：
首先找出所有频繁项集：根据定义，这些项集出现的频繁性至少和预定义的最小支持度一样。
其次由频繁项集产生强关联规则：根据定义，这些规则必须满足最小支持度阀值和最小置信度阀值。
