Niemand labelt de data. Clustering zoekt naar natuurlijke groeperingen binnen een dataset, waarbij gelijksoortige punten bij elkaar worden geplaatst en ongelijksoortige punten van elkaar worden gescheiden. Het is onbegeleid leren in zijn puurste vorm en het komt voor in klantsegmentatie, beeldcompressie en anomaliedetectie.

Algoritmen verschillen in de manier waarop ze gelijkenis en vorm definiëren. K-means verdeelt punten in een vast aantal bolvormige clusters. Hiërarchische clustering bouwt een boomstructuur van geneste groepen. DBSCAN vindt dichte gebieden en labelt dunbevolkte punten als ruis.

Gangbare clusteringmethoden

• K-means en k-medoids
• Hiërarchische agglomeratieve clustering
• DBSCAN en op dichtheid gebaseerde methoden
• Gaussiaanse mengmodellen
• Spectrale clustering

Het beoordelen van clusters is lastig omdat er geen absolute waarheid bestaat. Silhouetscores en elleboogdiagrammen bieden weliswaar houvast, maar domeinkennis is meestal doorslaggevend voor de vraag of een groepering zinvol is.