El análisis de conglomerados o clustering es la tarea de agrupar un conjunto de objetos de forma que los objetos de un mismo grupo (denominado conglomerado) sean más similares (en un sentido u otro) entre sí que los de otros grupos (conglomerados). Es una de las principales tareas de la minería de datos exploratoria y una técnica habitual para el análisis estadístico de datos, que se utiliza en muchos campos, como el aprendizaje automático, el reconocimiento de patrones, el análisis de imágenes, la recuperación de información y la bioinformática. El análisis de conglomerados en sí no es un algoritmo específico, sino la tarea general que hay que resolver. Puede llevarse a cabo mediante varios algoritmos que difieren significativamente en su noción de lo que constituye un clúster y cómo encontrarlos de forma eficiente. Las nociones populares de clúster incluyen grupos con distancias pequeñas entre los miembros del clúster, áreas densas del espacio de datos, intervalos o distribuciones estadísticas particulares. Por tanto, la agrupación puede formularse como un problema de optimización multiobjetivo. El algoritmo de clustering adecuado y la configuración de los parámetros (incluyendo valores como la función de distancia a utilizar, un umbral de densidad o el número de clusters esperados) dependen del conjunto de datos individual y del uso previsto de los resultados. El análisis de conglomerados como tal no es una tarea automática, sino un proceso iterativo de descubrimiento de conocimientos u optimización interactiva multiobjetivo que implica ensayo y error. A menudo será necesario modificar el preprocesamiento de los datos y los parámetros del modelo hasta que el resultado alcance las propiedades deseadas. Además del término clustering, existen varios términos con significados similares, como clasificación automática, taxonomía numérica, botriología (del griego βότρυς "uva") y análisis tipológico. Las sutiles diferencias suelen estar en el uso de los resultados: mientras que en la minería de datos lo que interesa son los grupos resultantes, en la clasificación automática lo que interesa es el poder discriminativo resultante. Esto suele dar lugar a malentendidos entre investigadores procedentes de los campos de la minería de datos y el aprendizaje automático, ya que utilizan los mismos términos y a menudo los mismos algoritmos, pero tienen objetivos diferentes. El análisis de conglomerados fue originado en antropología por Driver y Kroeber en 1932 e introducido en psicología por Zubin en 1938 y Robert Tryon en 1939, y célebremente utilizado por Cattell a partir de 1943 para la clasificación de la teoría de rasgos en psicología de la personalidad.