Nadie etiqueta los datos. El clustering busca agrupaciones naturales dentro de un conjunto de datos, juntando puntos similares y separando los diferentes. Es aprendizaje no supervisado en su forma más pura, y se utiliza en la segmentación de clientes, la compresión de imágenes y la detección de anomalías.

Los algoritmos difieren en la forma en que definen la similitud y la forma. K-means divide los puntos en un número fijo de grupos esféricos. El agrupamiento jerárquico construye un árbol de grupos anidados. DBSCAN encuentra regiones densas y etiqueta los puntos dispersos como ruido.

Métodos de agrupamiento comunes

• K-medias y k-medoides
• Agrupamiento jerárquico aglomerativo
• DBSCAN y métodos basados ​​en la densidad
• modelos de mezcla gaussiana
• Agrupamiento espectral

Evaluar los clústeres es complicado porque no existe una verdad absoluta. Los índices de silueta y los gráficos de codo ofrecen orientación, pero el conocimiento del dominio suele ser lo que determina si una agrupación es significativa.