Кластерный анализ или кластеризация - это задача группировки набора объектов таким образом, чтобы объекты в одной группе (называемой кластером) были более похожи (в том или ином смысле) друг на друга, чем объекты в других группах (кластерах). Это одна из основных задач исследовательского анализа данных и распространенная техника статистического анализа данных, используемая во многих областях, включая машинное обучение, распознавание образов, анализ изображений, информационный поиск и биоинформатику. Сам кластерный анализ - это не один конкретный алгоритм, а общая задача, которую необходимо решить. Она может быть решена различными алгоритмами, которые существенно отличаются друг от друга представлениями о том, что такое кластер и как их эффективно находить. Популярными понятиями кластеров являются группы с небольшими расстояниями между членами кластера, плотные области пространства данных, интервалы или определенные статистические распределения. Таким образом, кластеризация может быть сформулирована как многоцелевая задача оптимизации. Подходящий алгоритм кластеризации и параметры (включая такие значения, как используемая функция расстояния, порог плотности или количество ожидаемых кластеров) зависят от конкретного набора данных и предполагаемого использования результатов. Кластерный анализ как таковой - это не автоматическая задача, а итерационный процесс открытия знаний или интерактивной многоцелевой оптимизации, который включает в себя пробы и неудачи. Часто необходимо изменять предварительную обработку данных и параметры модели, пока результат не достигнет желаемых свойств. Помимо термина "кластеризация", существует ряд терминов с похожим значением, включая автоматическую классификацию, числовую таксономию, ботриологию (от греч. βότρυς "виноград") и типологический анализ. Тонкие различия часто заключаются в использовании результатов: в то время как при добыче данных интерес представляют полученные группы, при автоматической классификации интерес представляет полученная дискриминационная способность. Это часто приводит к недопониманию между исследователями, представляющими области добычи данных и машинного обучения, поскольку они используют одни и те же термины и зачастую одни и те же алгоритмы, но преследуют разные цели. Кластерный анализ был заложен в антропологии Драйвером и Крёбером в 1932 году, введен в психологию Зубином в 1938 году и Робертом Трайоном в 1939 году, а также широко использован Кэттеллом в 1943 году для классификации теории черт в психологии личности.