Phân cụm phân cấp (Hierarchical clustering) là thuật toán mở rộng kém nhất với dữ liệu lớn:

• Phân cụm phân cấp (Hierarchical clustering): Thường có độ phức tạp thời gian là $O(N^3)$ hoặc ít nhất là $O(N^2)$ và độ phức tạp không gian là $O(N^2)$ (do cần tính toán và lưu trữ ma trận khoảng cách giữa tất cả các cặp điểm dữ liệu). Khi số lượng điểm dữ liệu $N$ lớn, thuật toán này sẽ tiêu tốn cực kỳ nhiều tài nguyên bộ nhớ và thời gian tính toán.
• Phân cụm mờ (Fuzzy clustering): Dù có độ phức tạp nhất định nhưng có thể được tối ưu hóa tốt hơn nhiều so với phân cấp.
• Phân cụm dựa trên mật độ (Density-based clustering): Ví dụ như DBSCAN có thể đạt hiệu năng tốt hơn đáng kể (độ phức tạp khoảng $O(N \log N)$) khi kết hợp với các cấu trúc cây chỉ mục không gian (như R-tree, KD-tree).

(Đáp án được gợi ý bởi AI)