weixin_45906460的博客

原创 讲解机器学习中的 K-均值聚类算法及其有缺点

2.计算速度较快：K-均值算法的计算时间复杂度为O(tkn)，其中t代表迭代次数，k代表簇数，n代表数据集中的点数。1.对初始值敏感：簇的初始中心的选择会影响聚类结果，如果初始值不好，将可能得到一个较差的聚类结果，因此需要采用一些特殊的方法来选择初始簇中心，比如随机选择多个点，多次执行算法，选取最优结果等。3.不适用于处理大量的高维数据：当数据集有很多特征时，K-均值算法可能会失效，因为高维数据往往呈现出稀疏性（即大部分特征值为0），导致两个数据点看起来很相似，但实际上它们之间的距离很远。