Клъстерният анализ или клъстеризацията е задача за групиране на набор от обекти по такъв начин, че обектите в една и съща група (наречена клъстер) да са по-сходни (в един или друг смисъл) помежду си, отколкото тези в други групи (клъстери). Това е основна задача на проучвателното извличане на данни и обичайна техника за статистически анализ на данни, използвана в много области, включително машинно обучение, разпознаване на образи, анализ на изображения, извличане на информация и биоинформатика. Самият клъстерен анализ не е един конкретен алгоритъм, а общата задача, която трябва да бъде решена. Тя може да бъде постигната чрез различни алгоритми, които се различават значително в представата си за това какво представлява клъстер и как ефективно да се намират те. Популярните понятия за клъстери включват групи с малки разстояния между членовете на клъстера, плътни области от пространството на данните, интервали или определени статистически разпределения. Следователно клъстеризацията може да бъде формулирана като многоцелева оптимизационна задача. Подходящият алгоритъм за клъстериране и настройките на параметрите (включително стойности като функцията за разстояние, която да се използва, праг на плътност или брой на очакваните клъстери) зависят от индивидуалния набор от данни и планираното използване на резултатите. Клъстерният анализ сам по себе си не е автоматична задача, а итеративен процес на откриване на знания или интерактивна многоцелева оптимизация, който включва опити и неуспехи. Често ще се налага да се модифицират параметрите на предварителната обработка на данните и на модела, докато резултатът постигне желаните свойства. Освен термина "клъстеризация" съществуват редица термини с подобно значение, включително автоматична класификация, цифрова таксономия, ботриология (от гръцки βότρυς "грозде") и типологичен анализ. Тънките разлики често са в използването на резултатите: докато при извличането на данни се интересуват получените групи, при автоматичната класификация интерес представлява получената дискриминационна сила. Това често води до недоразумения между изследователите, идващи от областите на извличането на данни и машинното обучение, тъй като те използват едни и същи термини, а често и едни и същи алгоритми, но имат различни цели. Клъстерният анализ възниква в антропологията от Драйвър и Крьобер през 1932 г. и е въведен в психологията от Зубин през 1938 г. и Робърт Трайън през 1939 г. и е известен с това, че от 1943 г. Катъл го използва за класификация на теорията на чертите в психологията на личността.