Fig II: visar exempel där skalbarhet kan leda till fel resultat
2) kluster algoritm måste kunna hantera olika typer av attribut.
3) Klustringsalgoritmen måste kunna hitta klustrade data med godtycklig form.
4) Clustering algoritm måste vara okänslig för buller och extremvärden.
5) tolk-förmåga och användbarhet – erhållna resultat måste vara tolkbara och användbara så att maximal kunskap om
ingångsparametrarna kan erhållas.,
6) Klusterningsalgoritm måste kunna hantera datamängd med hög dimensionalitet.
klustringsalgoritmer kan i stort sett klassificeras i två kategorier:
1) oövervakade linjära klustringsalgoritmer och
2) oövervakade icke-linjära klustringsalgoritmer
I. oövervakade linjära klustringsalgoritmer
k-means klustringsalgoritmen Fuzzy C-means klustringsalgoritmen hierarkisk klustringsalgoritmen Gaussian(EM) klustringsalgoritmen kvalitet tröskel klustringsalgoritmen
II., Oövervakad icke-linjär klusterningsalgoritm
mst-baserad klusterningsalgoritm kernel k-betyder klusterningsalgoritm Densitetsbaserad klusterningsalgoritm