Какие любимые алгоритмы кластеризации

K-means — простой, масштабируемый и интерпретируемый алгоритм. Хорошо работает на сферических кластерах с одинаковым размером. Пример:

from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=3)
kmeans.fit(X)
labels = kmeans.labels_

DBSCAN — устойчив к шуму, сам определяет число кластеров, работает с кластерами произвольной формы. Чувствителен к параметрам eps и min_samples.

Иерархическая кластеризация — дает наглядную дендрограмму, но плохо масштабируется на большие данные.

GMM (Gaussian Mixture Models) — вероятностный подход, мягкая кластеризация, но требует предположения о нормальности распределений.