聚类的划分算法挺适合入门选手上手的，思路清晰，操作也不复杂。把一堆数据分成几个‘圈子’，圈内的像，圈外的不像，听起来就像是在组织社群，对吧？而且它是无监督学习，不需要你事先告诉它分类标准，比较省心。

划分型的聚类方法，比如K-Means，其实用起来还蛮顺的。数据维度别太高、差异别太模糊，用起来效果还不错。你只要告诉它你想分几类，它就自己帮你动手分好。

做图像？可以参考下这篇图像相似性评估；搞Python？推荐你看看Python 相似性度量的完整实现，代码清晰，图解直观。

还有一个建议哦：如果你是初学者，不妨先在WEKA里拖拖点点试试，像这篇关于无监督聚类的小技巧就挺实用的。熟悉流程后再去写代码，效率高多。

如果你对数据挖掘感兴趣，也可以看看聚类应用与数据挖掘算法，讲得比较系统，适合打基础。

提醒一下：聚类虽然不需要标签，但对相似度的定义蛮敏感的，像欧几里得距离、曼哈顿距离这些都要理解下。否则结果会迷惑，别问我怎么知道的（笑）。