您在这里要做的是将 N 个观察结果划分为具有相似属性的 K 个集群。这称为集群，您可以在此处找到更多信息。

由于您已经有了数值相似性度量，这让我考虑使用K-Means算法，您可以在其中分几个步骤进行操作：

• 随机初始化簇质心
• 将每个观测值分配给与最近的质心对应的集群。
• 将质心更新为集群中元素的新均值。

当质心停止移动或在某个阈值内时，您可以检查收敛。

这将确保每个集群中的项目具有一定的相关性，并且您可以通过增加算法中的集群数量（“K”）来拥有更细粒度的集群。找到集群的数量取决于每个问题，我建议你为你的问题尝试一堆值，看看组合在一起的结果，看看什么是有意义的。

希望有帮助。

我认为您正在寻找的是所谓的“聚类分析”或“聚类”。存在许多不同的算法。在您的情况下，您需要一些“连接性集群”，即基于链接每两个的属性将元素组合在一起。

查看scikits.learn（Python 代码）中的聚类算法和那里提到的参考资料。