Wolfram 语言广泛支持非层次和层次聚类分析，允许类似数据聚类在一起. 一般支持所有形式的数据，包括数值、文本和图像数据. 该系统高效实现了基于聚类分析方法的典型和现代机器学习.

非层次聚类

FindClusters — 寻找把数据分成聚类列表的方法

ClusteringComponents — 用其聚类索引标注数据

ClusterClassify — 利用数据创建一个可以对新数据分类的函数

ClusteringMeasurements — 分析聚类处理的结果

MeanShift  ▪  NearestNeighborGraph

层次聚类

Dendrogram — 绘制数据的层次聚类的系统树图

ClusteringTree — 产生数据的层次聚类的符号式图

图聚类 »

FindGraphCommunities — 找图中紧密相连的社区

CommunityGraphPlot — 绘图以显示社区结构

ConnectedComponents  ▪  FindGraphPartition  ▪  FindClique  ▪  FindKClique

图像聚类 »

ImageForestingComponents  ▪  WatershedComponents  ▪  GrowCutComponents  ▪  ...

选项

DistanceFunction — 如何计算元素间的距离

ClusterDissimilarityFunction — 如何计算群集间的相异性

Weights — 不同数据元素的加权

PerformanceGoal — 是否优化速度、内存、质量、培训时间等

CriterionFunction — 如何访问自动选择的方法

Method — 手动覆盖自动方法的选择