k均值算法有哪些不足之处_聚类之K均值（K-means）算法

k均值算法是一种常用的聚类算法，但它也存在一些不足之处：

1. 对初始值敏感：k均值算法对初始选择的聚类中心点非常敏感，不同的初始值可能会导致不同的聚类结果。

2. 只能找到凸形聚类：由于k均值算法是基于距离的，因此只能找到凸形聚类，不能找到非凸形聚类。

3. 对噪声和异常值敏感：k均值算法对噪声和异常值非常敏感，可能会将它们划分到错误的簇中。

4. 需要事先确定簇数：k均值算法需要事先确定簇数k，但在实际应用中，往往无法确定合适的簇数。

5. 迭代次数较多：k均值算法需要进行多次迭代，因此对于大规模数据集来说，时间复杂度较高。