本质上，本教程（http://scikit-learn.org/stable/auto_examples/cluster/plot_kmeans_assumptions.html#example-cluster-plot-kmeans-assumptions-py）非常清楚地解释了 k-means 聚类方法的一些限制，这些限制是植根于它的假设。
具体来说：1）k-means假设每个属性（变量）分布的方差是球形的；2）所有变量具有相同的方差；3）所有k个聚类的先验概率是相同的，即每个聚类有大致相等的观测数；
现在，多亏了剪影方法，我可以处理带有错误数量的斑点的情况，但我不知道如何处理其他情况。您能否指出一些解决其他问题的方法，如果可能，如何将它们混合在一起，因为在我的数据集中这些行为并存？
在如何理解 K-means 的缺点的答案中，我们已经详细讨论了 k-means 的缺点。
其中一些对于玩具示例似乎很容易应对（例如，通过取消对扭曲数据集的缩放），但实际数据会复杂得多，不幸的是，全局标准化可能还不够。
与其热修复这些问题，不如验证 k-means目标是否解决了您的问题。
这不仅仅是将点聚类到分区中。您想要解决一个潜在的问题。通过聚类，它通常是关于“洞察”您的数据。一个简单的方法是仔细研究结果并丢弃任何可疑的结果。这不能自动化（您可以自动生成不同的结果以避免冗余，请参阅“替代聚类”）。
k-means 最好被视为一种矢量量化方法，而不是聚类。它不会尝试识别数据中的结构，而是假设结构（k 个中心），然后优化模型参数。在优化过程中，它假设所有变量都相等，并且每个实例的成本都以平方和来衡量
因此，每当考虑 k-means 时，首先需要检查最小化上述方程是否能解决您的问题。如果您不想回答“根据上述方程，哪些中心的成本最小”的问题，那么 k-means 是错误的算法！
这是一个正面的例子，其中 k-means 是一个不错的选择：
我们有一个 24 位深度 (8bpp) 的 RGB 图像，我们想要压缩该图像以便在 interwebz 上快速加载。我们希望仅使用 4 位索引到 16 色调色板，而不是每像素存储 24 位。游程编码将进一步帮助压缩数据。所以我们必须用一个调色板条目来近似每个像素。较大的偏差不好，因此使用平方会有所帮助，并且像素的颜色近似误差可以计算为。这与 k-means 的成本函数完全匹配——因此我们可以使用该算法来优化我们的调色板。