Có mấy cách dùng để xử lý khi dữ liệu bị thiếu:

Trong Orange, biến có kiểu dữ liệu categorical (phân loại) dùng để chỉ các thuộc tính rời rạc. Các thuộc tính này biểu diễn các nhóm hoặc các loại, ví dụ như màu sắc (đỏ, xanh, vàng), giới tính (nam, nữ), hoặc loại sản phẩm (A, B, C). Chúng không mang ý nghĩa số học và không thể thực hiện các phép tính toán học trực tiếp trên chúng. Vì vậy, đáp án đúng là "Rời rạc".

Fuzzy C-mean là thuật toán phân cụm mềm, cho phép một phần tử có thể thuộc về nhiều cụm khác nhau với các mức độ thành viên khác nhau. Các thuật toán khác như K-mean, Diana và DBSCAN là các thuật toán phân cụm cứng, trong đó mỗi phần tử chỉ thuộc về một cụm duy nhất.

Trong các thuật toán phân cụm được liệt kê:

- K-means và Fuzzy C-means: Đều yêu cầu phải xác định số lượng cụm (K hoặc C) trước khi thực hiện.

- Agglomerative Nesting (Agnes): Là một thuật toán phân cụm phân cấp (hierarchical clustering). Mặc dù có thể dừng thuật toán dựa trên một ngưỡng khoảng cách, nhưng thường thì số lượng cụm mong muốn cũng được chỉ định hoặc suy ra từ việc cắt cây phả hệ (dendrogram).

- DBSCAN (Density-Based Spatial Clustering of Applications with Noise): Không yêu cầu biết trước số lượng cụm. DBSCAN tự động tìm ra các cụm dựa trên mật độ điểm dữ liệu. Nó xác định các vùng có mật độ điểm cao và mở rộng chúng thành các cụm. Các điểm dữ liệu nằm trong vùng mật độ thấp được coi là nhiễu.

Vì vậy, thuật toán không cần biết trước số cụm là DBSCAN.