Analiza cluster este o metodă de organizare a datelor în grupuri reprezentative bazată pe caracteristici similare. Fiecare membru al clusterului are mai multe în comun cu alți membri ai aceluiași cluster decât cu membrii celorlalte grupuri. Cel mai reprezentativ punct din cadrul grupului se numește centroid. De obicei, aceasta este media valorilor punctelor de date din cluster.
Organizați datele. Dacă datele constau dintr-o singură variabilă, ar putea fi adecvată o histogramă. Dacă sunt implicate două variabile, graficați datele pe un plan de coordonate. De exemplu, dacă te uiți la înălțimea și greutatea copiilor din școală într-o sală de clasă, trasează punctele date pentru fiecare copil pe un grafic, greutatea fiind axa orizontală și înălțimea verticală axă. Dacă sunt implicate mai mult de două variabile, pot fi necesare matrici pentru a afișa datele.
Grupați datele în clustere. Fiecare cluster ar trebui să fie format din punctele de date cele mai apropiate de acesta. În exemplul de înălțime și greutate, grupați orice puncte de date care par a fi apropiate. Numărul de clustere și dacă fiecare punct al datelor trebuie să fie într-un cluster, poate depinde de scopurile studiului.
Pentru fiecare cluster, adăugați valorile tuturor membrilor. De exemplu, dacă un grup de date ar fi format din punctele (80, 56), (75, 53), (60, 50) și (68,54), suma valorilor ar fi (283, 213).
Împărțiți totalul la numărul de membri ai clusterului. În exemplul de mai sus, 283 împărțit la patru este 70,75, iar 213 împărțit la patru este 53,25, deci centroidul clusterului este (70,75, 53,25).
Trasați centroidele clusterului și determinați dacă orice puncte sunt mai aproape de un centroid al altui cluster decât de centroul propriului cluster. Dacă vreun punct este mai aproape de un alt centru, redistribuiți-le către grupul care conține centroidul mai apropiat.
Repetați pașii 3, 4 și 5 până când toate punctele de date se află în clusterul care conține centroidul de care sunt cele mai apropiate.