1. 基础

1.1 距离表示

1.1.1 Minkowski距离（闵可夫斯基距离）

p=1时称为曼哈顿距离（Manhattan distance），对用L1范数
p=2时称为欧氏距离（Euclidean distance），对应L2范数
p=∞时称为切比雪夫距离（Chebyshev distance），对应L∞范数

1.1.2 Mahalanobis距离（马哈拉诺比斯距离）

1.1.3 相关系数

1.1.4 夹角余弦

1.2 聚类趋势评价-霍普金斯统计量

参考：
https://en.wikipedia.org/wiki/Hopkins_statistic
https://www.datanovia.com/en/lessons/assessing-clustering-tendency/

2. 层次聚类算法

3. K-Means（k均值）聚类算法