Atualmente existe uma crescente procura e interesse na implantação de Inteligência Artificial e Aprendizado de Máquina em diferentes áreas de aplicação, como sistemas de recomendação, gerenciamento de rotas, controle de spams, entre outros. Muitas dessas tarefas podem ser modeladas por meio de diferentes algoritmos, sejam eles de aprendizado supervisionado ou não supervisionados. Os algoritmos não supervisionados, em específico, tendem a trabalhar com tarefas mais desafiadoras, uma vez que não se tem informação dos rótulos dos exemplos de um conjunto de dados. Além disso, como saber qual é o melhor algoritmo para um determinado problema? Infelizmente, não existe uma regra ou indicação que recomende os melhores algoritmos. Até então, a literatura tem se dedicado a investigar e avaliar diferentes algoritmos em um problema, e assim tentar escolher um que se adeque mais à tarefa em questão. Neste trabalho comparamos três algoritmos de agrupamento de dados em um problema real, no intuito de verificar características que possibilitem automatizar a escolha do algoritmo em futuros experimentos. No dataset estudado, todos os algoritmos apresentaram quase o mesmo valor de coeficiente de silhueta, entretanto, a maneira de lidar com cada algoritmo é completamente diferente.