前面的文章裡總共提到了7種聚類演算法，我們就會情不自禁地想知道，哪一種是“最好”的聚類演算法？

  正如我在一開始就提到，聚類實際上是由使用者來給定規則，從而實現分類的。所以所謂“最好”的聚類演算法，就應該是那個聚類規則“最能反映系統特徵”的演算法（當然，在同樣能反映系統特徵的情況下，效率越高自然越好，比如AP演算法就要優於K-centers演算法）。

  在聚類演算法中，最為關鍵的規則是什麼呢？我個人認為，應該就是對樣品相似性的描述。這不僅僅是指兩兩樣品之間的直接相似度（也就是相似矩陣），還有如“A與B接近，B與C接近，那麼A與C是否接近”這樣的傳遞性問題。比如在K-means裡面，這個問題就是否定的，K-means只認樣品兩兩間的直接相似性（歐氏距離），而在Chameleon演算法和譜聚類裡，這種相似性就可以通過網路進行傳遞。因此K-means得到的就只能是凸型的聚類，而後兩者則可以得到形狀各異的聚類。但是，這樣的相似性真的是我們需要的麼？這就要根據實際的問題來判斷了。所以演算法的優劣歸根到底要根據問題本身來判斷。

最後比較一下之前提到的所以演算法的特點