Klasterizavimas yra duomenų gavybos metodas, kuris rūšiuoja informaciją į matricą, tuo pačiu metu priskirdamas matricos eilutes ir stulpelius. Šios technikos esmė yra efektyvumas, leidžiantis kompiuteriui per trumpesnį laiką atsijoti ir surūšiuoti didelį duomenų kiekį, palyginti su vieno klasterizavimo metodais. Klasterizavimas yra tiesiog bendra vienos konkrečios duomenų gavybos metodų klasės antraštė; Yra daug skirtingų algoritmų, kurie gali patekti į šią kategoriją, įskaitant blokų grupavimą, Plaid modelį, susietą dvipusį grupavimą ir tarpusavyje susijusį dvipusį grupavimą.
Norint suprasti grupavimo svarbą, pirmiausia reikia suprasti bendrą duomenų gavybos sampratą. Duomenų gavyba surenka daugybę duomenų, pvz., iš pagrindinės įmonės duomenų bazės iškeliamos informacijos, ir rūšiuoja juos, kad nustatytų tendencijas ir kitus naudingus modelius. Šio tipo analizė gali būti naudojama norint nustatyti modelius, kurie kitu atveju nebūtų akivaizdūs atliekant atsitiktinį tyrimą, pvz., vartotojų pirkimo tendencijas ir akcijų rinkos svyravimus. Duomenų gavybą gali atlikti žmogaus analitikas rankiniu būdu arba elektroniniu būdu, naudojant tam tikro tipo duomenų gavybos algoritmą; štai kur atsiranda dvisluoksniavimas.
Duomenų gavybos proceso metu analizę atliekantis kompiuteris bandys rūšiuoti susijusias informacijos dalis viena su kita. Šis procesas žinomas kaip „grupavimas“. Klasterizavimas leidžia kompiuteriui išnaudoti savo dirbtinį intelektą, atpažįstant, kai dvi ar daugiau informacijos yra susijusios viena su kita, ir sudėti jas į matricą. Paprastai užpildomos matricos eilutės arba stulpeliai, bet tik po vieną.
Klasterizavimas pašalina tai, nes kompiuteris gali vienu metu užpildyti ir eilutes, ir stulpelius. Tai pagerina klasterizacijos proceso efektyvumą, tačiau gali atsirasti skirtingai išdėstytų matricų, priklausomai nuo konkretaus naudojamo algoritmo. Pavyzdžiui, kompiuteris, išdėstantis daiktus su pastoviomis sutampančiomis reikšmėmis eilutėse, palyginti su tuo, kad stulpeliuose išdėstytas daiktus su pastoviomis sutampančiomis reikšmėmis, sugeneruos skirtingai atrodančias matricas, naudodamas tiksliai tas pačias reikšmes. Nėra vieno „teisingo“ būdo sugrupuoti duomenis; viskas priklauso nuo konkrečios situacijos ir duomenis gavančio asmens pageidavimų.