Không ai gắn nhãn cho dữ liệu. Phân cụm tìm kiếm các nhóm tự nhiên trong tập dữ liệu, đặt các điểm tương tự lại với nhau và tách biệt các điểm khác nhau. Đó là học không giám sát ở dạng thuần túy nhất, và nó xuất hiện trong phân khúc khách hàng, nén ảnh và phát hiện bất thường.

Các thuật toán khác nhau ở cách chúng định nghĩa sự tương đồng và hình dạng. K-means phân chia các điểm thành một số cụm hình cầu cố định. Phân cụm phân cấp xây dựng một cây gồm các nhóm lồng nhau. DBSCAN tìm các vùng dày đặc và gán nhãn các điểm thưa thớt là nhiễu.

Các phương pháp phân cụm phổ biến

• K-means và k-medoids
• Phân cụm kết hợp theo thứ bậc
• Phương pháp DBSCAN và phương pháp dựa trên mật độ
• Mô hình hỗn hợp Gaussian
• Phân cụm quang phổ

Việc đánh giá các cụm dữ liệu rất phức tạp vì không có dữ liệu tham chiếu chính xác. Điểm số Silhouette và biểu đồ khuỷu tay cung cấp hướng dẫn, nhưng kiến ​​thức chuyên môn thường quyết định liệu một nhóm dữ liệu có ý nghĩa hay không.