Nikdo data neoznačuje. Shlukování hledá přirozená seskupení v datové sadě, spojuje podobné body a odděluje ty odlišné. Jedná se o neřízené učení v nejčistší podobě a projevuje se v segmentaci zákazníků, kompresi obrazu a detekci anomálií.

Algoritmy se liší v tom, jak definují podobnost a tvar. K-means rozděluje body do pevného počtu sférických shluků. Hierarchické shlukování vytváří strom vnořených skupin. DBSCAN vyhledává husté oblasti a označuje řídké body jako šum.

Běžné metody shlukování

• K-průměry a k-medoidy
• Hierarchické aglomerativní shlukování
• DBSCAN a metody založené na hustotě
• Gaussovské modely směsí
• Spektrální shlukování

Vyhodnocování shluků je složité, protože neexistuje žádný základ. Skóre siluet a lokty poskytují vodítko, ale znalost oboru obvykle rozhoduje o tom, zda je seskupení smysluplné.