# Clustering O computador cria grupos por similaridade, procura por padrões, segmentações e agrupa os objetos por características similares. {% hint style="info" %} Sempre que você precisar organizar seus dados em grupos, os algoritmos de clusterização são os indicados. {% endhint %} Clusterização ou agrupamento (clustering), é uma classificação sem classes predefinidas. É como dividir meias por cor quando você não se lembra de todas as cores que você tem. O algoritmo de clusterização tenta encontrar objetos semelhantes (por características) e mesclá-los em um cluster. Aqueles que têm muitas características semelhantes são unidos em uma classe. Com alguns algoritmos, você ainda pode especificar o número exato de clusters que você deseja. **Usada nos dias de hoje para:** * Segmentação de mercado (tipos de clientes, fidelidade); * Mesclar pontos próximos em um mapa; * Compressão de imagem; * Analisar e rotular novos dados; * Detectar um comportamento anormal. Algoritmos populares: K-means\_clustering, Mean-Shift, DBSCAN. --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://carlossalesti.gitbook.io/machine-learning/ml-classico/aprendizado-nao-supervisionado/clustering.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.