تفاوت خوشه بندی با طبقه بندی این است که هیچ متغیر هدفی برای خوشه بندی وجود ندارد. خوشه بندی برای طبقه بندی، تخمین یا پیش بینی مقدار متغیر هدف تلاش نمی‌کند. هدف همه‌ی روش‌های خوشه بندی، شناسایی گروه‌هایی از رکوردهاست که شباهتشان داخل گروه خیلی زیاد است، در حالی که شباهتشان با رکوردهای سایر گروه ها خیلی کم است. به عبارت دیگر، الگوریتم های خوشه بندی سعی می‌کنند تا خوشه هایی از رکوردها بسازند که اختلاف بین خوشهای (BCV) در مقایسه با اختلاف درون خوشهای (WCV) بزرگ باشد.
الگوریتم های خوشه بندی، سلسله مراتبی یا غیر سلسله مراتبی هستند. در خوشه بندی سلسله مراتبی، یک ساختار خوشهای درخت مانند از طریق تفکیک کردن بازگشتی (روش های تقسیم کننده) یا ترکیب خوشه‌های موجود (روش های جمع کننده)، ایجاد می‌شود.
فهرست مطالب:
1. Introduction (معرفی)
2. Hierarchical Clustering (الگوریتم خوشه بندی سلسله مراتبی)
3. K-Means Clustering (الگوریتم خوشه بندی K-Means)
4. Fuzzy C-Means Clustering (الگوریتم فازی C-Means)
5. Clustering Codes in MATLAB (کدهای خوشه بندی در MATLAB)
6. References (منابع)