Hard clustering (twarde przypisywanie) to podejście w klasteryzacji danych, w którym każdy punkt danych jest jednoznacznie i wyłącznie przypisywany do jednego klastra. W przeciwieństwie do miękkiego grupowania (soft clustering), nie występują tu nakładające się grupy ani wartości prawdopodobieństwa przynależności do wielu klastrów. Wynikowy podział danych tworzy rozłączne zbiory o jasnych i sztywnych granicach. Najpopularniejszym przykładem algorytmu realizującego twarde przypisywanie jest algorytm K-średnich (K-means).
Hard clustering (twarde przypisywanie) (Hard clustering)
