本文介绍了天文学中数据挖掘和机器学习的现状。从这个领域研究者的角度来看,数据挖掘可能有一些混合的含义。如果使用得当,它可能是一种强大的方法,有可能充分利用指数级增加的可用数据量,从而有望实现巨大的科学进步。但是,如果误用,它可能只是复杂计算算法的黑匣子应用,可能提供很少的物理洞察力,并提供质疑的结果。本文概述了从数据收集到结果解释的整个数据挖掘过程,涵盖了常见的机器学习算法,主要探究的是数据挖掘和机器学习在天文学中的应用,具体是采用自动聚类算法结合行星的光谱数据对行星的测光数据进行分类,对此进行相关资料的查阅和收集,根据收集到的资料进行整理归纳,主要介绍了4种机器学习算法原理和数据挖掘,然后采用自动聚类算法对观测到的行星光谱数据进行分析处理,并进行分类,对分类结果进行详细分析,以此来判断其是否达到了预期的结果。本文最大的特点是,不仅要求分类模型具有良好的泛化性能,而且还对数据的选取进行了改进,以获得更好的分类结果。我们使用z-score方法通过设置不同的z-score集来获得不同的数据集,这使得我们的数据更加集中。我们大致比较了一组合适的分数集,这使得分类模型更好。