A análise de clusters ou agrupamento é a tarefa de agrupar um conjunto de objectos de tal forma que os objectos do mesmo grupo (designado por cluster) são mais semelhantes (num sentido ou noutro) entre si do que os de outros grupos (clusters). É uma das principais tarefas da extração exploratória de dados e uma técnica comum de análise estatística de dados, utilizada em muitos domínios, incluindo a aprendizagem automática, o reconhecimento de padrões, a análise de imagens, a recuperação de informações e a bioinformática. A análise de clusters em si não é um algoritmo específico, mas a tarefa geral a resolver. Pode ser realizada através de vários algoritmos que diferem significativamente na sua noção do que constitui um agrupamento e na forma de o encontrar eficientemente. As noções populares de clusters incluem grupos com pequenas distâncias entre os membros do cluster, áreas densas do espaço de dados, intervalos ou distribuições estatísticas específicas. A agregação pode, portanto, ser formulada como um problema de otimização multi-objetivo. O algoritmo de agrupamento adequado e as definições dos parâmetros (incluindo valores como a função de distância a utilizar, um limiar de densidade ou o número de agrupamentos esperados) dependem do conjunto de dados individual e da utilização pretendida dos resultados. A análise de clusters, enquanto tal, não é uma tarefa automática, mas um processo iterativo de descoberta de conhecimentos ou de otimização interactiva multi-objetivo que envolve tentativas e falhas. Muitas vezes, será necessário modificar o pré-processamento dos dados e os parâmetros do modelo até que o resultado atinja as propriedades desejadas. Para além do termo clustering, existem vários termos com significados semelhantes, incluindo classificação automática, taxonomia numérica, botriologia (do grego βότρυς "uva") e análise tipológica. As diferenças subtis residem frequentemente na utilização dos resultados: enquanto na extração de dados, o que interessa são os grupos resultantes, na classificação automática interessa o poder discriminativo resultante. Este facto leva frequentemente a mal-entendidos entre investigadores provenientes dos domínios da extração de dados e da aprendizagem automática, uma vez que utilizam os mesmos termos e frequentemente os mesmos algoritmos, mas têm objectivos diferentes. A análise de clusters teve origem na antropologia por Driver e Kroeber em 1932 e foi introduzida na psicologia por Zubin em 1938 e Robert Tryon em 1939, tendo sido utilizada de forma célebre por Cattell a partir de 1943 para a classificação da teoria dos traços na psicologia da personalidade.