Никто не размечает данные. Кластеризация ищет естественные группы внутри набора данных, объединяя похожие точки и разделяя несхожие. Это неконтролируемое обучение в чистом виде, и оно применяется в сегментации клиентов, сжатии изображений и обнаружении аномалий.

Алгоритмы различаются по способу определения сходства и формы. Алгоритм K-средних разбивает точки на фиксированное число сферических кластеров. Иерархическая кластеризация строит дерево вложенных групп. Алгоритм DBSCAN находит плотные области и помечает разреженные точки как шум.

Распространенные методы кластеризации

• алгоритмы k-средних и k-медоидов
• Иерархическая агломеративная кластеризация
• Методы DBSCAN и методы, основанные на плотности
• модели гауссовых смесей
• Спектральная кластеризация

Оценка кластеров — сложная задача, поскольку отсутствуют достоверные данные. Показатели силуэта и диаграммы «локтя» дают ориентир, но обычно именно знание предметной области определяет, является ли та или иная группировка осмысленной.