您可以从使用简单的k-means 聚类算法开始。在这种方法中，您的目标是选择一组$k$方法$m_i$, 并分配每个点$x$在你的数据到某个集合$S_i$; 在每组中，您希望最小化平均距离：

$\sum_{i=1}^k\sum_{x\in S_i}|x-m_i|^2 =$最低限度。

给定一组手段的一些猜测$\{m_i\}_{i=1}^k$，通过计算均值的Voronoi图可以找到最接近每个均值的数据点。然后迭代地更新均值。

k-means 对于您的目的可能已经足够了，但是如果您尝试它并发现它不够，那么还有很多其他算法可以解决这个问题。这些都是启发式的，而不是为您提供确切的解决方案，因为对于任何现实标准（我认为），聚类通常是 NP 完全的。