Concept description är en data mining-uppgift som strävar efter en begripligbeskrivning av koncept och klasser, inte exakta prediceringar. Syftet medstudien är att visa hur prototypbaserad klustring kan skapa förståelse för endatamängds underliggande domän, enligt concept description. Experimenthar utförts med data från pokerdomänen. Datamängden samlades in från ettlow-limit, shorthanded bord, hos en av de stora Internetsiterna för onlinepokerspel. De två experimenten utfördes med samma datamängd, men däruppsättningen attribut skiljde sig åt. Klustringen utfördes med denprototypbaserade klustringsalgoritmen K-means. För att data mining–uppgiften skulle lösas på tillfredställande vis, presenterades experimentensresultat i diagram och tabeller som var möjliga att analysera. Klustren somexperimenten resulterade i visar sig vara väl separerade. Den doldainformationen, som lyftes fram av klustringsexperimenten, kunde verifierasav domänens teori. Analysen av resultatet visade att klustring med denprototypbaserade klustringsalgoritmen K-means är en metod som går bra attanvända för att skapa förståelse i en datamängds underliggande domän. / Uppsatsnivå: D