В настоящее время в России необходимость совершенствования механизма ипотечного кредитования в связи с растущими потребностями населения в доступном жилье остается злободневной и актуальной [1].Важным этапом развития ипотечного кредитования в России является создание дифференцированных для разных ипотечных групп регионов программ развития ипотечного кредитования, учитывающих особенности регионов страны в области ипотеки, жилищного строительства и развития экономики [2, 3]. Следовательно, должны быть выявлены факторы, оказывающие существенное влияние на объемы ипотечного кредитования в регионах и, используя алгоритмы кластеризации, определены группы регионов со схожими показателями, называемые кластерами [4]. Самым популярным и распространенным алгоритмом кластеризации является алгоритм k-means [5–7], который стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров, называемых центроидами. Однако, при использовании данного алгоритма можно столкнуться с рядом ограничений:•• количество кластеров выбирается априорно;•• алгоритм гарантирует достижение локального, но не глобального минимума;•• факторы оказывают одинаковое влияние на кластеризацию;В зависимости от области применения алгоритма кластеризации, некоторые из данных ограничений могут считаться несущественными. Следовательно, необходимо рассмотреть проблемы применения алгоритма k-means с учетом специфики ипотечного кредитования в России. Во-первых, это необходимость априорного выбора количества кластеров, которая решается путем подсчета общей внутрикластерной суммы квадратов J(Θ) для различного числа групп регионов [4, с. 77]. Подобный подход называется Elbow method. При использовании алгоритма k-means число кластеров увеличивается до тех пор, пока происходит существенное снижение внутрикластерной суммы. Также, в качестве альтернативы алгоритмам с априорным выбором числа кластеров рассматриваются алгоритмы иерархической кластеризации, при использовании которых не требуется выбор априорного количества кластеров.