Verilere kimse etiket koymaz. Kümeleme, bir veri kümesi içindeki doğal gruplamaları arar, benzer noktaları bir araya getirir ve farklı olanları ayırır. Bu, en saf haliyle denetimsiz öğrenmedir ve müşteri segmentasyonunda, görüntü sıkıştırmada ve anomali tespitinde karşımıza çıkar.

Algoritmalar, benzerlik ve şekli tanımlama biçimleri bakımından farklılık gösterir. K-means algoritması, noktaları sabit sayıda küresel kümeye ayırır. Hiyerarşik kümeleme, iç içe geçmiş gruplardan oluşan bir ağaç oluşturur. DBSCAN ise yoğun bölgeleri bulur ve seyrek noktaları gürültü olarak etiketler.

Yaygın kümeleme yöntemleri

• K-ortalamalar ve k-medoidler
• Hiyerarşik kümeleme
• DBSCAN ve yoğunluk tabanlı yöntemler
• Gauss karışım modelleri
• Spektral kümeleme

Kümelemeleri değerlendirmek zordur çünkü kesin bir referans noktası yoktur. Silüet puanları ve dirsek grafikleri yol gösterici olabilir, ancak bir gruplamanın anlamlı olup olmadığına genellikle alan bilgisi karar verir.