관련된 샘플을 그룹화하는 것은 일반적으로 비지도 학습에 사용됩니다. 모든 샘플이 그룹화되면 연구자는 선택적으로 각 클러스터에 의미를 할당할 수 있습니다.

클러스터링 알고리즘은 다양합니다. 예를 들어, k-평균 알고리즘은 다음 그림에서 볼 수 있듯이 샘플과 중심점의 근접성을 기준으로 샘플을 클러스터링합니다.

그런 다음 연구자들은 이러한 클러스터를 보고 클러스터 1을 "왜소 나무"로, 클러스터 2를 "전체 크기 나무"로 표시하는 등의 다른 작업을 수행할 수 있습니다.