การจัดแบ่งกลุ่ม (Clustering) ในปัจจุบันมีการใช้การเรียนรู้ด้วยเครื่อง หรือที่มักเรียกว่า Machine Learning มาช่วยในการทำงานเพื่อแบ่งกลุ่ม โดยพบว่าเทคนิคการแบ่งกลุ่ม Clustering อยู่ในประเภทการเรียนรู้แบบไม่มีผู้สอน (Unsupervised Learning) เมื่อเราได้กลุ่มที่ระบบจัดแยกไว้แล้ว ก็จะค่อยเข้าไปดูความสัมพันธ์ลักษณะที่มีในแต่ละกลุ่มและกำหนดชื่อให้กลุ่มนั้น ๆ ตัวอย่างการทำ Clustering เช่น การแบ่งกลุ่มลูกค้า ที่ในปัจจุบันพบว่ามีความต้องการและการเปลี่ยนพฤติกรรมไปอย่างรวดเร็ว จนหลายครั้งไม่สามารถกำหนดลักษณะของกลุ่มลูกค้าที่ตายตัวได้

Clustering เป็นโมเดล Machine Learning แบบ Unsupervised ที่ให้คอมพิวเตอร์เรียนรู้หรือแบ่งกลุ่มข้อมูล โดยไม่มีตัวแปรเป้าหมาย ซึ่งจะต่างจากเทคนิค Classification ที่จะใช้ตัวแปรเป้าหมายมาเรียนรู้เพื่อสร้างโมเดล สำหรับอัลกอริทึมที่นิยมใช้ในการทำ Clustering Model มีหลายวิธีเช่น K-Mean หรือ Hierarchical Clustering ซึ่งแต่ละประเภทก็จะมีข้อดีข้อเสียที่แตกต่างกัน

โดยตัวอย่างที่อธิบายได้ดีมากๆเลยก็คือ การแบ่งกลุ่มลูกค้า หรือ Customer Segmentation โดยมักจะใช้เทคนิค Clustering มาช่วย ถ้าลูกค้ามีพฤติกรรมหรือคุณลักษณะที่ใกล้เคียงกันหรือเหมือนกันก็จะถูกจัดไว้ในกลุ่มเดียวกัน ส่วนลูกค้าที่แตกต่างกันก็จะถูกจัดไว้คนละกลุ่ม การจัดกลุ่มจะทำให้เราเข้าใจลักษณะหรือพฤติกรรมของลูกค้าตนเองในแต่ละกลุ่มได้ ทำให้สามารถวางแผนการตลาด ตัดสินใจในธุรกิจ เสนอสินค้า โปรโมชั่น หรือบริการที่ตรงต่อกลุ่มของลูกค้าได้ วิธีการจัดกลุ่มโดยการใช้ข้อมูลเช่นนี้ คือ การทำ Clustering Model นั่นเอง โดยประเภทของการจัดกลุ่ม แบ่งออกเป็น 2 ประเภท ได้แก่

- Hard Clustering หรือการกำหนดให้แต่ละชุดข้อมูล แบ่งออกเป็นกลุ่มที่แยกออกจากกันโดยสิ้นเชิง

- Soft Clustering หรือการที่ข้อมูลมีโอกาสที่จะอยู่ในหลายๆ กลุ่มได้ ขึ้นอยู่กับความน่าจะเป็นของตัวข้อมูล