Ingen setter etiketter på dataene. Klynging ser etter naturlige grupperinger i et datasett, setter sammen lignende punkter og skiller ulike. Det er uovervåket læring i sin reneste form, og det viser seg i kundesegmentering, bildekomprimering og avviksdeteksjon.

Algoritmer varierer i hvordan de definerer likhet og form. K-means deler opp punkter i et fast antall sfæriske klynger. Hierarkisk klynging bygger et tre av nestede grupper. DBSCAN finner tette regioner og merker sparsomme punkter som støy.

Vanlige klyngemetoder

• K-gjennomsnitt og k-medoider
• Hierarkisk agglomerativ klynging
• DBSCAN og tetthetsbaserte metoder
• Gaussiske blandingsmodeller
• Spektral klynging

Det er vanskelig å evaluere klynger fordi det ikke finnes noen sannhet i grunnen. Silhuettpoeng og albueplott gir veiledning, men domenekunnskap avgjør vanligvis om en gruppering er meningsfull.