K-Means的主要优点:
1)原理简单,容易实现
2)可解释度较强
K-Means的主要缺点:
1)K值很难确定
2)局部最优
3)对噪音和异常点敏感
4)需样本存在均值(限定数据种类)
5)聚类效果依赖于聚类中心的初始化
6)对于非凸数据集或类别规模差异太大的数据效果不好
K-Means的主要优点:
1)原理简单,容易实现
2)可解释度较强
K-Means的主要缺点:
1)K值很难确定
2)局部最优
3)对噪音和异常点敏感
4)需样本存在均值(限定数据种类)
5)聚类效果依赖于聚类中心的初始化
6)对于非凸数据集或类别规模差异太大的数据效果不好
举报