聚类假设是指处在相同聚类（cluster）中的示例有较大的可能拥有相同的标记。

半监督学习中两种假设之一，另外一种假设是流形假设。

根据该假设，决策边界就应该尽量通过数据较为稀疏的地方，从而避免把稠密的聚类中的数据点分到决策边界两侧。在这一假设下，大量未标记示例的作用就是帮助探明示例空间中数据分布的稠密和稀疏区域，从而指导学习算法对利用有标记示例学习到的决策边界进行调整，使其尽量通过数据分布的稀疏区域。