一、聚类的概念

聚类是常见的无监督学习算法。人有归纳和总结的能力，机器也有。简单来说，聚类就是让机器把数据集中的样本按照特征的性质分组，在这个过程中没有标签的存在。其目标是，组内的对象相互之间是相似的（相关的），而不同组中的对象是不同的（不相关的）。组内的相似性（同质性）越大，组间差别越大，聚类就越好。

二、深入解读聚类
（1）聚类是一种机器学习技术，它涉及到数据点的分组。给定一组数据点，可以使用聚类算法将每个数据点划分为一个特定的组。
（2）同一组中的数据点应该具有相似的属性/特征，而不同组中的数据点应该具有高度不同的属性/特征。
（3）聚类是一种无监督学习的方法，是许多领域中常用的统计数据分析技术。
（4）聚类与分类的不同在于，聚类所要求划分的类是未知的。
（5）聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。

请根据学习内容回答以下问题:

（1）聚类属于机器学习中的哪种监督方法?

（2）聚合和分类的不同之处是什么?