[]是把数据按照相似性归纳成若干类别,同一类中的数据彼此相似,不同类中的数据相异A. 聚类B. 关联C. 分类D. 孤立点检测

考查要点：本题主要考查对数据挖掘中基本概念的理解，特别是聚类（Clustering）与其他相关概念的区别。

解题核心思路：
题目要求识别一种将数据按相似性分组的方法，需明确各选项的核心定义：

• 聚类：无监督学习，根据数据相似性自动分组，同一类内部相似、不同类之间相异。
• 分类：有监督学习，基于已知标签对数据进行预测。
• 关联：发现数据项之间的关联规则（如购物篮分析）。
• 孤立点检测：识别数据中的异常值。

破题关键点：
抓住题干中“按相似性归纳成类别”这一核心描述，排除依赖标签（分类）、关联规则（关联）或异常检测（孤立点检测）的选项，锁定聚类。

选项分析：

1. A. 聚类：

   • 定义：将数据划分为多个簇（类别），使簇内数据相似性高，簇间相似性低。
   • 匹配度：完全符合题干描述。

2. B. 关联：

   • 定义：发现数据项之间的频繁共现模式（如“购买A的人常购买B”）。
   • 矛盾点：与分组无关，聚焦于关系发现。

3. C. 分类：

   • 定义：根据已知类别标签对数据进行预测（需训练数据）。
   • 矛盾点：题干未提及“标签”或“监督学习”，且分类强调预测而非自动分组。

4. D. 孤立点检测：

   • 定义：识别数据中显著偏离正常模式的异常值。
   • 矛盾点：与分组无关，聚焦于异常识别。

结论：唯一符合题干描述的是聚类（A）。