聚類分析（英語：Cluster analysis）亦稱為群集分析，是對于統計數據分析的一門技術，在許多領域受到廣泛應用，包括機器學習，數據挖掘，模式識別，圖像分析以及生物信息。聚類是把相似的對象通過靜態分類的方法分成不同的組別或者更多的子集（subset），這樣讓在同一個子集中的成員對象都有相似的一些屬性，常見的包括在坐標系中更加短的空間距離等。

數據聚類算法可以分為結構性或者分散性。結構性算法利用以前成功使用過的聚類器進行分類，而分散型算法則是一次確定所有分類。結構性算法可以從上至下或者從下至上雙向進行計算。從下至上算法從每個對象作為單獨分類開始，不斷融合其中相近的對象。而從上至下算法則是把所有對象作為一個整體分類，然后逐漸分小。

分布式聚類算法，是一次性確定要產生的類別，這種算法也已應用于從下至上聚類算法。

基于密度的聚類算法，是為了挖掘有任意形狀特性的類別而發明的。此算法把一個類別視為數據集中大于某閾值的一個區域。DBSCAN和OPTICS是兩個典型的算法。