k-means的优点有:
1.原理简单,实现方便,收敛速度快;
2.聚类效果较优;
3.模型的可解释性较强;
4.调参只需要簇数k;
k-means的缺点有:
1.k的选取不好把握;
2.对于不是凸的数据集比较难以收敛;
3.如果数据的类型不平衡,比如数据量严重失衡或者类别的方差不同,则聚类效果不佳;
4.采用的是迭代的方法,只能得到局部最优解;
5.对于噪音和异常点比较敏感。
k-means的优点有:
1.原理简单,实现方便,收敛速度快;
2.聚类效果较优;
3.模型的可解释性较强;
4.调参只需要簇数k;
k-means的缺点有:
1.k的选取不好把握;
2.对于不是凸的数据集比较难以收敛;
3.如果数据的类型不平衡,比如数据量严重失衡或者类别的方差不同,则聚类效果不佳;
4.采用的是迭代的方法,只能得到局部最优解;
5.对于噪音和异常点比较敏感。