Fig II: viser eksempel, hvor skalerbarhed kan fører til forkert resultat
2) Clustering algoritme skal være i stand til at beskæftige sig med forskellige typer af attributter.3) Clustering algoritme skal være i stand til at finde grupperede data med vilkårlig form.4) Clustering algoritme skal være ufølsom over for støj og outliers.5) Fortolkningsevne og brugervenlighed-opnået resultat skal være fortolkeligt og anvendeligt, så maksimal viden om
inputparametrene kan opnås.,
6) Clustering algoritme skal være i stand til at håndtere datasæt af høj dimensionalitet.
Clustering algoritmer kan groft inddeles i to kategorier:
1) uden opsyn lineær clustering algoritmer og
2) Uovervåget ikke-lineære clustering algoritmer
I. være alene lineær clustering algoritme
k-means clustering algoritme, Fuzzy c-means clustering algoritme Hierarkisk clustering algoritme Gaussisk(EM) clustering algoritme for kreditkvalitet clustering algoritme
II., Ikke-overvåget ikke-lineær klyngealgoritme
MST-baseret klyngealgoritmekernek-betyder klyngealgoritmtæthedsbaseret klyngealgoritme