เปรียบเทียบวิธี

	Robust Hierarchical Clustering	การวิเคราะห์กลุ่ม (Cluster Analysis)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Latent structure	Latent structure
ปีกำเนิด	1990	1939–1967
ผู้ริเริ่ม	Kaufman & Rousseeuw (building on Ward, 1963 and others)	Robert C. Tryon (early development); Ward (1963) for hierarchical; MacQueen (1967) for k-means
ประเภท	Robust unsupervised clustering	Unsupervised classification / grouping
แหล่งต้นตำรับ	Kaufman, L. & Rousseeuw, P. J. (1990). Finding Groups in Data: An Introduction to Cluster Analysis. Wiley. ISBN: 978-0471878766	Everitt, B. S., Landau, S., Leese, M. & Stahl, D. (2011). Cluster Analysis (5th ed.). Wiley. ISBN: 978-0470749913
ชื่อเรียกอื่น	robust agglomerative clustering, outlier-resistant hierarchical clustering, robust linkage clustering, RHC	clustering, unsupervised classification, data clustering, numerical taxonomy
ที่เกี่ยวข้อง	5	5
สรุป	Robust hierarchical clustering extends classical agglomerative or divisive hierarchical clustering by replacing sensitive distance measures and linkage criteria with outlier-resistant alternatives, preserving cluster structure even when data contain anomalous observations or heavy-tailed distributions.	Cluster analysis is a family of unsupervised multivariate techniques that partition a set of objects or observations into internally homogeneous, mutually distinct groups — clusters — based on measured characteristics, without any prior knowledge of group membership. It is widely used in market segmentation, bioinformatics, psychology, and social science to reveal natural groupings in data.