در این روش داده‌ها برچسب مشخصی ندارند و الگوریتم تلاش می‌کند ساختارها، گروه‌ها یا الگوهای پنهان را از خود داده‌ها کشف کند. بخش‌بندی مشتریان بر اساس رفتار خرید نمونه‌ای از آن است.
خوشه‌بندی و کاهش ابعاد از کاربردهای رایج هستند. گروه‌های حاصل الزاماً دسته‌بندی قطعی انسانی نیستند و باید با شناخت دامنه تفسیر شوند.
اگر برچسب مشتریان نداریم اما می‌خواهیم الگوی خرید مشابه را کشف کنیم، Clustering می‌تواند گروه‌های پیشنهادی ایجاد کند. تفسیر این گروه‌ها به دانش کسب‌وکار نیاز دارد.
برای تکمیل بحث، ارتباط این مفهوم را با دیتاست و ترینینگ ست بررسی کنید.
بدون برچسب یعنی بدون معیار نیست
در Clustering برچسب هدف برای هر نمونه موجود نیست، اما کیفیت خوشه‌ها می‌تواند با معیارهای درونی یا ارزیابی دامنه سنجیده شود. خوشه‌بندی به معنای کشف حتمی گروه‌های واقعی کسب‌وکار نیست.