Clustering er en maskine learning teknik fungerer ved at gruppere lignende data sammen. Clustering er en type af uovervåget machine learning . Algoritmen behøver ikke at være "uddannet " og kan gruppere data i sammenhængende grupper med ud en " forudindtaget " forestilling om, hvad der hører sammen . Dette adskiller sig fra overvågede machine learning systemer, som skal være "uddannet " til at mærke data korrekt . Clustering bruges primært som en computer mønstergenkendelse mekanisme. Generative eller Sandsynlighed baserede algoritmer

Generative eller sandsynlighed baserede clustering algoritmer forsøger at klassificere datasæt som en slags kendte distribution, en fælles gruppering af numeriske data. Denne form for algoritme kan kun bruges på numeriske data . Generative algoritmer komme med flere forbehold. Problemet kan uløselige , hvis dataene er tilladt at variere alt frit. Generative algoritmer også antage, at dataene legemliggør en kendt distribution, hvilket ikke altid er tilfældet. Disse typer af algoritmer også gøre ikke højde for "støj" i data.
K- betyder Clustering

K- middel klyngedannelse var en af ​​de første clustering metoder til at skal udvikles. Det er nemt at implementere, men det har den ulempe at være ekstremt følsomme over for udgangsmaterialerne indgange . K- betyder clustering virker ved at opdele dataene i en tilfældig række klynger og derefter genbehandle midtpunkterne af hver klynge og gentage processen, indtil der kun er én klynge . Dette er kendt som konvergens.
Fuzzy Clustering

stedet for at identificere data som tilhørende bestemte grupper , fuzzy klynger forsøger at identificere i hvilken grad en data point tilhører en gruppe . De algoritmer, der bruges til at gøre fuzzy klyngedannelse er kendt som " C -means algoritmer . " I fuzzy klyngedannelse tilgang kan et datapunkt tilhøre mere end én gruppe . Denne type af klyngedannelse er nyttig, når datapunkter kan være nødvendigt at tilhøre mere end én gruppe.
Agglomerative Clustering

agglomerative klyngedannelse var en af ​​de første clustering algoritmer, der skal udvikles. Det forbliver i brug, da det er også en af ​​de enkleste algoritmer udviklet til dato. Agglomerative klyngedannelse virker ved at behandle hver enkelt datapunkt som en klynge og gruppering den med mest ligner datapunkt. Denne proces gentages , indtil data " konvergerer ", eller der er en stor klynge indeholder alle data . Fremgangsmåden kan også udføres i omvendt i samme retning . Startende med en klynge , kan alle data gentagne gange delt indtil hvert datapunkt er sin egen klynge.