มีหลายวิธีการ Clustering ดังนี้:
1. Partitioning Methods (วิธีการแบ่งพาร์ติชัน)
กำหนด Database ของ n Objects หรือ Data Tuples Partitioning Method สร้าง k Partitions ของข้อมูล โดยแต่ละ Partition คือ Cluster และ k < n สามารถจัดสรร Data เป็น k Groups ที่ Satisfy ความจำเป็น:
แต่ละ Group ต้องมี Object อย่างน้อย 1 ตัว
แต่ละ Object ต้อง属于 Group เดียวเท่านั้น
กำหนด k จำนวน Partitions ที่จะสร้าง Partitioning Method สร้าง Initial Partitioning แล้วใช้ Iterative Relocation Technique พยายามปรับปรุง Partitioning โดยย้าย Objects จาก Group หนึ่งไปอีก Group
เกณฑ์ทั่วไปของ Good Partitioning คือ Objects ใน Cluster เดียวกัน "Close" หรือ Associated กัน ในขณะที่ Objects ของ Clusters ต่างกัน "Far Apart" หรือต่างกันมาก มี Criteria อื่นๆ หลายอย่างสำหรับวัด Quality ของ Partitions
2. Hierarchical Methods (วิธีแบบลำดับชั้น)
Hierarchical Method สร้าง Hierarchical Decomposition ของ Data Objects ที่กำหนด สามารถจัดประเภทเป็น Agglomerative หรือ Divisive ขึ้นอยู่กับวิธีสร้าง Hierarchical Decomposition Agglomerative Approach เรียกว่า "Bottom-up" Approach
เริ่มจากแต่ละ Object เป็น Group อิสระ แล้ว Merge Objects/Groups ที่ใกล้กันซ้ำๆ จนกว่า All Groups จะ Merge เป็นหนึ่งเดียว (Topmost Level) หรือจนกว่า Termination Condition จะเป็นจริง Divisive Approach เรียกว่า "Top-down" Approach เริ่มจาก All Objects ใน Cluster เดียว ในแต่ละ Iteration Cluster แบ่งเป็น Smaller Clusters จนแต่ละ Object อยู่ใน Cluster เดียว หรือ Termination Condition เป็นจริง
3. Density-based Methods (วิธีแบบอิงความหนาแน่น)
บาง Partitioning Methods จัดกลุ่ม Objects ตาม Distance ระหว่าง Objects วิธีเหล่านี้ค้นพบได้แค่ Spherical-shaped Clusters และมีปัญหาในการหา Clusters รูปทรง Arbitrary วิธี Clustering อื่นๆ พัฒนาขึ้นจาก Concept ของ Density
DBSCAN เป็น Density-based Method ตัวอย่างที่เพิ่ม Clusters ตาม Density Threshold OPTICS เป็น Density-based Method ที่ประเมิน Augmented Clustering Ordering สำหรับ Automatic และ Interactive Cluster Analysis
4. Grid-based Methods (วิธีแบบกริด)
Grid-based Methods Quantize Object Space เป็น Finite Number ของ Cells ที่สร้าง Grid Architecture Clustering Operations ทำบน Grid Architecture (Quantized Space) ข้อดีคือ Processing Time เร็ว โดยทั่วไป Independent ของจำนวน Data Objects และ Dependent เฉพาะจำนวน Cells ในแต่ละ Dimension ใน Quantized Space STING เป็นตัวอย่าง Grid-based Method CLIQUE และ Wave-Cluster เป็น 2 Clustering Algorithms ที่เป็นทั้ง Grid-based และ Density-based
5. Model-based Methods (วิธีแบบอิงโมเดล)
Model-based Methods สมมติ Model สำหรับแต่ละ Cluster และหา Best Fit ของ Data ให้กับ Model ที่กำหนด Model-based Algorithm สามารถหา Clusters โดยสร้าง Density Function ที่สะท้อน Spatial Distribution ของ Data Points ยังนำไปสู่วิธีการตัดสินใจจำนวน Clusters อัตโนมัติจาก Standard Statistics คำนึงถึง "Noise" หรือ Outliers ให้ Robust Clustering Methods
