Fig II: viser eksempel hvor skalerbarhet kan fører til feil resultat
2) Clustering algoritmen må være i stand til å håndtere ulike typer attributter.
3) Clustering algoritmen må være i stand til å finne samlet data med vilkårlig form.
4) Clustering algoritmen må være ufølsom for støy og uteliggere.
5) Tolke-evne og Brukervennlighet – Resultat som oppnås må tolkes og brukes slik at maksimal kunnskap om
input parametere kan være innhentet.,
6) Clustering algoritmen må være i stand til å håndtere data av høy dimensionality.
Clustering algoritmer kan grovt deles inn i to kategorier:
1) uten tilsyn lineær clustering algoritmer og
2) uten tilsyn ikke-lineær clustering algoritmer
I. uten tilsyn lineær clustering algoritmen
k-betyr clustering algoritmen Fuzzy c-betyr clustering algoritmen Hierarkisk clustering algoritmen Gaussisk(EM) clustering algoritmen Kvalitet terskelen clustering algoritmen
II., Uten tilsyn ikke-lineær clustering algoritmen
MST-based clustering algoritmen kernel k-betyr clustering algoritmen Tetthet based clustering algoritmen