K均值聚类是一种应用广泛的聚类技术，特别是它不依赖于任何对数据所做的假设，比如说，给定一个数据集合及对应的类数目，就可以运用K均值方法，通过最小化均方误差，来进行聚类分析。
因此，K均值实际上是一个最优化问题。在一些已知的文献中论述了K均值聚类的一下一些缺点：
- K均值假设每个变量的分布是球形的；
- 所有的变量具有相同的方差；
- 类具有相同的先验概率，要求每个类拥有相同数量的观测；
- 上述三条任何一条不满足，K均值算法即失效了
对于要求具有相同的先验概率这一条件，个人不是太赞同。在我看来，K均值的计算过程是最小化均方误差，看起来不需要任何的假设，因此也找不到这一计算过程和上述三个条件的联系。为了对上述三个条件进行验证，我们认为生成了一些数据，并运用K均值算法进行聚类。
为简便起见，在此仅分析了以上2个假设，同时假设数据是2维的。
- 球形分布 OR 非球形分布
- 非均衡样本数据集的聚类：
- 总结：
对算法工作人员而言，不仅理解算法重要，算法的应用场景的理解也显得尤为重要，不同的数据，需要有不同的数据预处理方式、也需要有不同的算法与之对应，解决实际问题时才更为有效。
最后，对数据实验而言，不要害怕失败，如果选取的模型从来没有错误过，是不是也意味着这个模型也从来没有正确过呢？
对内容有部分的改动和精简，更多详情可以查看原文。