เปรียบเทียบวิธี

	การจัดกลุ่มแบบ K-means	Semi-supervised HDBSCAN
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1967 (formalized 1982)	2017–present
ผู้ริเริ่ม	MacQueen, J. B.; Lloyd, S. P.	McInnes, L.; Healy, J. (base HDBSCAN); semi-supervised extensions by various authors
ประเภท	Partitional clustering	Semi-supervised density-based clustering
แหล่งต้นตำรับ	Lloyd, S. P. (1982). Least squares quantization in PCM. IEEE Transactions on Information Theory, 28(2), 129–137.	McInnes, L., Healy, J., & Astels, S. (2017). hdbscan: Hierarchical density based clustering. Journal of Open Source Software, 2(11), 205.
ชื่อเรียกอื่น	k-means clustering, Lloyd's algorithm, k-means partitioning, hard k-means	Constrained HDBSCAN, Semi-supervised hierarchical density clustering, HDBSCAN with partial labels, SS-HDBSCAN
ที่เกี่ยวข้อง	4	6
สรุป	K-means is a classic unsupervised partitional clustering algorithm that divides a dataset into K non-overlapping groups by iteratively assigning each observation to its nearest centroid and updating centroids as the mean of their assigned points. It is one of the most widely used exploratory tools in machine learning and data analysis.	Semi-supervised HDBSCAN extends the Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN) algorithm by incorporating partial supervision — such as must-link and cannot-link pairwise constraints or a small set of labeled examples — to guide the density-based cluster hierarchy toward cluster assignments that are consistent with available domain knowledge.