Clusteranalyse of clustering is de taak om een verzameling objecten zo te groeperen dat objecten in dezelfde groep (een cluster genoemd) meer op elkaar lijken (op een of andere manier) dan objecten in andere groepen (clusters). Het is een hoofdtaak van exploratieve datamining en een veelgebruikte techniek voor statistische gegevensanalyse die op veel gebieden wordt gebruikt, waaronder machinaal leren, patroonherkenning, beeldanalyse, information retrieval en bio-informatica. Clusteranalyse zelf is niet één specifiek algoritme, maar de algemene taak die moet worden opgelost. Het kan worden bereikt door verschillende algoritmen die aanzienlijk verschillen in hun notie van wat een cluster is en hoe deze efficiënt te vinden. Populaire begrippen van clusters zijn groepen met kleine afstanden tussen de clusterleden, dichte gebieden van de gegevensruimte, intervallen of bepaalde statistische verdelingen. Clusteren kan daarom worden geformuleerd als een multi-objectief optimalisatieprobleem. Het geschikte clusteralgoritme en de parameterinstellingen (inclusief waarden zoals de te gebruiken afstandsfunctie, een dichtheidsdrempel of het aantal verwachte clusters) zijn afhankelijk van de individuele gegevensset en het beoogde gebruik van de resultaten. Clusteranalyse als zodanig is geen automatische taak, maar een iteratief proces van kennisontdekking of interactieve multi-objectieve optimalisatie dat gepaard gaat met vallen en opstaan. Het zal vaak nodig zijn om de voorbewerking van gegevens en modelparameters aan te passen totdat het resultaat de gewenste eigenschappen heeft. Naast de term clustering zijn er een aantal termen met vergelijkbare betekenissen, waaronder automatische classificatie, numerieke taxonomie, botryologie (van het Griekse βότρυς "druif") en typologische analyse. De subtiele verschillen zitten vaak in het gebruik van de resultaten: terwijl bij datamining de resulterende groepen van belang zijn, is bij automatische classificatie het resulterende discriminerende vermogen van belang. Dit leidt vaak tot misverstanden tussen onderzoekers op het gebied van datamining en machinaal leren, omdat ze dezelfde termen en vaak dezelfde algoritmen gebruiken, maar verschillende doelen hebben. Clusteranalyse is ontstaan in de antropologie door Driver en Kroeber in 1932 en geïntroduceerd in de psychologie door Zubin in 1938 en Robert Tryon in 1939 en beroemd geworden door Cattell vanaf 1943 voor de classificatie van persoonlijkheidstrekken in de persoonlijkheidspsychologie.