k-means 的优缺点

K-means 在许多机器学习环境中都很有用，一些明显的弱点

k-means 的优势

实现起来相对简单。

可扩容到大型数据集。

始终会收敛。

允许形心位置温启动。

顺畅地适应新样本。

可以泛化到不同级别的集群形状和大小，例如椭圆簇。

泛化 k-means

简单地实现 k-means 可能会难以处理大量不同的密度和尺寸图 1 的左侧显示了集群而右侧显示的是 k-means 提出的聚类。

两个并排的图表。第一张图片显示了一个包含比较明显聚类的数据集。第二组显示的是运行 k-means 后为奇数组样本的样本。 — **图 1：未广义的 k-means 示例。**

为了在如图 1 所示的不平衡集群上获得更好的性能，您可以泛化，也就是调整 k-means。图 2 显示了三种不同的具有两种不同泛化的聚类。第一个数据集显示了无泛化的 k-means，而第二和第三个允许聚类不尽相同

三个图，显示了未泛化的 k-means 和 k-means
K-means 允许不同的宽度，则 k-means 允许不同的宽度
各个维度 — **图 2：使用泛化和不使用泛化的 k-means 聚类。**

本课程不介绍如何泛化 k-means，请参阅聚类 - k-means 高斯混合模型作者：卡内基梅隆大学的 Carlos Guestrin。

k-means 的缺点

必须手动选择\(k\) 。

结果取决于初始值。

对于低 \(k\)，您可以通过运行 k-means 数次使用不同的初始值并从中选出最佳结果。为 \(k\) 则需要使用 k-means 种子，以选择更好的初始值形心有关 k-means 种子的完整讨论，请参阅 “比较 K-means 聚类的高效初始化方法的研究算法”，作者：M.Emre Celebi、Hassan A.Kingravi 和 Patricio A.Vela。

难以对不同大小和也就是未泛化处理的密度数据。

难以聚类离群值。

形心可以由离群值拖动，或者离群值可能有自己的聚类而不是被忽略。考虑先移除或裁剪离群值，集群模型。

难以根据维度数量进行缩放。

随着数据中维度数量的增加，基于距离的相似度会在任意给定样本之间收敛到一个常量值。减少来训练机器学习模型， PCA 或者使用光谱聚类来修改聚类算法。