使用 K-Means 聚类时，如果一个集群中只有一个数据点怎么办？

Question

我正在使用二等分 K-Means，它利用 k=2 的 k-means，我在 1 个集群中只遇到了 1 个数据点。这是否意味着 K-Means 过程应该停止，因为它已经达到收敛，或者我应该使用新值重新开始算法过程？

Answer 1

1-element clusters 在 k-means 中非常频繁地出现在脏数据上。

由于 k-means 可最大限度地减少平方误差，因此将离群点分配给它们自己的集群会在平方误差目标方面给出“最佳”结果。所以这通常是正确的结果 - 这不是用户真正想要的。用户通常更喜欢非平方优化（例如，使用 PAM），或者具有不属于集群的“噪声”点概念的方法（例如，DBSCAN）。