機器學習中有一種無監督學習算法——聚類算法，根據樣本中數據之間的相似性，把樣本劃分到不同的類別中，而採用不同的相似性計算方法，會得到不同的算法和結果。這裡不詳細敘述這一算法。
聚類算法應用廣泛，我想到的是應用於學生的分類。古人云“物以類聚人以群分”、“因材施教”等等。教育工作要做到因材施教當然是最好不過了，然而要做到因材施教，首先要做就是對學生這一群體進行分類，接下來才是通過觀察、溝通或測試等途徑來確定學生更接近於哪一種類型，應該採取什麼樣的教學方式會更合適，正所謂“對症下藥”，才能藥到病除。憑我的觀察，我簡單的針對數學的學習，給學生分下面幾類。當然此文只能算是拋磚引玉，真要對學生群體分類，那就非得嚴肅對待這一個課題了。
探索型
這類學生，可能學有餘力、興趣濃厚，有一定的自主學習探索能力。當然了這種學生數量也不多，針對這樣的學生需要好的引導，需要為他們提供好的、合適的、優秀的讀物。對於這部分學生，與其說是培養，不如說是篩選。近現代的數學史上就有不少的天才少年，遇到了一些好的老師，或者選讀了當時大師的著作而快速的成長為數學的苗子。
學霸型
學習用心、主動，成績優異(往往各科成績都不錯)。但就成績來講，這類學生可能是最讓老師省心的。這部分學生就是家長眼裡別人家的孩子了，這是不是你的噩夢，又讓你想起什麼了？
中間型
學習算不上太不吃力，成績不穩定或成績平平。我個人且猜測這部分學生所佔的比重應該是最大的，所以這部分學生應該是老師的重點工作對象，需要與學生及家長交流，找到合適的學習態度和方法。
眼高手低型
聰明、理解快，缺乏耐心，作業不能保質保量的完成，缺乏訓練鞏固，從而出錯率高。可能很多這種學生都有老師提到過：這學生很聰明！只是不夠用心等等。可能這部分學生與第一種的差別不那麼大，是有向其過度的可能的。
苦學無效型
花費大量時間、精力，成績似乎與努力無關。學習方法和方向有問題估計是大概率的事件。針對這些學生首先是要先跟老師的節奏，預習和認真聽講，有問題要去解決而不能累計和拖延。目標線不要太高，能夠夯實基礎內容。華羅庚說過句話“聰明在於勤奮，天才在於積累”，那否命題“蠢才也在於積累”，只是積累的東西不一樣啊。
厭學型
討厭學數學，甚至對數學是一竅不通，數學成績隨緣，破罐破摔。有句話叫，興趣是最好的老師。厭學這種情況怕是最棘手的了，基礎很差也是大概率事件。對這些學生，學校裡怕是很難照顧到他們了，應於其家長溝通，多花些時間去補齊基礎。“出來混總是要還的啊”，有條件的話找個家教是不錯的選擇。
當然了，學生的分類本身是個值得思考的問題，其中的分佈結構、原因、應對策略也有待明確，以期能夠對師生的教與學能夠有一良好的指導或參考。
