Os objetos de dados em um determinado conjunto podem ser categorizados em classes homogêneas por meio de agrupamento.

Clustering ou "análise de cluster" é o termo para uma categoria de algoritmos de aprendizado de máquina que classificam os dados em grupos semelhantes.

Esses grupos são conhecidos como clusters e são determinados pela avaliação do algoritmo de quão semelhantes são as partes individuais dos dados entre si. Em seguida, o algoritmo agrupa essas partes com base em sua similaridade.

O clustering é uma técnica de aprendizado de máquina que pode ser usada para agrupar dados semelhantes com base em sua similaridade. Como um algoritmo não supervisionado, o clustering não requer conhecimento prévio dos dados e trabalha exclusivamente com semelhanças dentro dos próprios dados.

A aplicação de algoritmos de clustering é muito popular e é usada para muitas finalidades diferentes, desde o agrupamento de clientes ou produtos até o reconhecimento de outliers em bancos ou o uso como filtro de spam. Neste artigo, começaremos com uma definição de clustering antes de apresentar os diferentes métodos e algoritmos.

O agrupamento é uma forma de organizar os pontos de dados em grupos. Isso envolve a busca de semelhanças nos dados, como idade ou sexo, e a identificação de grupos que sejam o mais homogêneos possível. Isso significa que os membros de cada grupo são semelhantes de alguma forma, por exemplo, que todos os homens jovens estão nesse grupo.

O clustering funciona sem nenhum conhecimento prévio de quais entradas são semelhantes, mas calcula essas semelhanças com base apenas nos próprios dados. Isso o torna um ótimo método para criar segmentos ou grupos sem conhecimento existente e, em seguida, derivar conhecimento desses segmentos.

Clustering é uma técnica de mineração de dados usada para agrupar elementos semelhantes com base em uma medida de similaridade. São encontrados grupos de dados que são mais semelhantes entre si do que outros grupos.

Há muitos objetivos para a aplicação do clustering. A primeira categoria visa combinar pontos de dados semelhantes e, assim, reduzir a complexidade. A outra categoria tenta identificar pontos de dados que não pertencem a um grupo grande e, portanto, têm características especiais. Essa categoria é conhecida como detecção de outlier. Em ambas as categorias, o objetivo é identificar grupos semelhantes para tomar as medidas adequadas.

Há muitas áreas diferentes em que esse insight pode ser aplicado. Seja no agrupamento de clientes, no agrupamento de produtos, na detecção de fraudes ou no filtro de spam, o agrupamento é uma abordagem muito versátil no campo da aprendizagem de máquina e da ciência de dados.