Kuva II: osoittaa esimerkki, jossa skaalautuvuus voi johtaa väärään tulokseen,
2) Klusterointi algoritmi on voitava käsitellä erilaisia ominaisuuksia.
3) Klusterointialgoritmin on kyettävä löytämään mielivaltaisella muodolla klusteroitua dataa.
4) Klusterointialgoritmin on oltava epäherkkä melulle ja poikkeamille.
5) Interpret-ability and Usability – Result obtained on oltava tulkittavissa ja käyttökelpoinen, jotta saadaan mahdollisimman paljon tietoa
tuloparametreista.,
6) Klusterointialgoritmin on pystyttävä käsittelemään suuren mitoituksen tietokokonaisuutta.
klusterointialgoritmit voidaan jakaa laajasti kahteen kategoriaan:
1) Valvomattomat lineaariset klusterointialgoritmit ja
2) Valvomattomat epälineaariset klusterointialgoritmit
I. Valvomattomat lineaariset klusterointialgoritmit
k-tarkoittaa Klusterointialgoritmia sumea C-tarkoittaa klusterointialgoritmia hierarkkinen klusterointialgoritmi Gaussian(EM) klusterointialgoritmi Laatukynnysalgoritmi
> II., Valvomaton epälineaarinen klusterointialgoritmi
MST-pohjainen klusterointialgoritmi kernel k-tarkoittaa klusterointialgoritmin tiheyteen perustuvaa klusterointialgoritmia