Clustering ist ein wichtiger Bestandteil im unüberwachten maschinellen Lernen. Dabei werden Datenpunkte in Gruppen (Cluster) zusammengefasst, die sich ähnlich sind. Dieser Artikel vergleicht drei beliebte Clustering-Algorithmen: K-Means, hierarchisches Clustering und DBSCAN. Wir schauen uns die mathematischen Grundlagen, die Rechenzeit und die Effektivität für verschiedene Datentypen an.