K－Means優(yōu)點(diǎn)：

1）算法快速、簡單；

2）對(duì)大數(shù)據(jù)集有較高效率并且是可伸縮性的；

3）確定的K 個(gè)劃分達(dá)到平方誤差最小；

4）時(shí)間復(fù)雜度近于線性，而且適合挖掘大規(guī)模數(shù)據(jù)集。K－Means聚類算法的時(shí)間復(fù)雜度是O（nkt） ，其中n代表數(shù)據(jù)集中對(duì)象的數(shù)量，t代表著算法迭代的次數(shù)，k代表著簇的數(shù)目，且k＜＜n，t＜＜n。

K－Means缺點(diǎn)：

1） 在K－means 算法中 K 是事先給定的，這個(gè) K 值的選定是非常難以估計(jì)的；

2） 在K－means 算法中，初始聚類中心的選擇對(duì)聚類結(jié)果有較大影響，一旦初始值選擇的不好，可能無法得到有效的聚類結(jié)果；

3） 從K－means 算法框架可以看出，該算法需要不斷地進(jìn)行樣本分類調(diào)整，不斷地計(jì)算調(diào)整后的新聚類中心，因此當(dāng)數(shù)據(jù)量非常大時(shí)，算法時(shí)間開銷非常大。

K－Means算法改進(jìn)：

1）針對(duì)K 值選定難以估計(jì)問題，通過類的自動(dòng)合并和分裂，得到較為合理的類型數(shù)目 K，例如，ISODATA算法。

2）針對(duì)初始值選擇不好無法得到有效聚類結(jié)果問題，可采用遺傳算法GA（參見人工智能（28））進(jìn)行初始化，以內(nèi)部聚類準(zhǔn)則作為評(píng)價(jià)指標(biāo)。

3）針對(duì)算法時(shí)間開銷大問題，采用對(duì)樣本數(shù)據(jù)進(jìn)行聚類，無論是初始點(diǎn)的選擇還是一次迭代完成時(shí)對(duì)數(shù)據(jù)的調(diào)整，都是建立在隨機(jī)選取樣本數(shù)據(jù)的基礎(chǔ)上，這樣可以提高算法的收斂速度。

K－Means應(yīng)用場景：

K－means 算法具有快速、簡單，對(duì)大數(shù)據(jù)集有較高效率和可伸縮性等優(yōu)點(diǎn)，是最為經(jīng)典，也是使用最為廣泛的聚類算法。K－means算法在機(jī)器學(xué)習(xí)、知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘等領(lǐng)域得到廣泛應(yīng)用。

結(jié)語：

K－Means是聚類算法中最為簡單、高效且易于理解。K－Means算法采用誤差平方和準(zhǔn)則函數(shù)作為聚類準(zhǔn)則函數(shù)。K－Means算法有其缺點(diǎn)，但大多缺點(diǎn)都可以克服，最大的優(yōu)點(diǎn)就是算法復(fù)雜度低，可以在短時(shí)間內(nèi)處理海量數(shù)據(jù)，這對(duì)于當(dāng)今數(shù)據(jù)爆炸時(shí)代非常重要！K－Means算法在世界上廣為流傳，得到極大的關(guān)注。K－Means算法在機(jī)器學(xué)習(xí)、知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘等領(lǐng)域得到廣泛應(yīng)用。通過研究K－means算法，可以發(fā)現(xiàn)：一個(gè)真正偉大的算法不是因?yàn)樗�有多么�?fù)雜，而是它能夠用最簡單的原理解決最復(fù)雜的問題！