K-means演算法優點：

K-means演算法缺點：

(1)、在簇的平均值可被定義的情況下才能使用，可能不適用於某些應用；
(2)、在 K-means 演算法中 K 是事先給定的，這個 K 值的選定是非常難以估計的。很多時候，事先並不知道給定的資料集應該分成多少個類別才最合適；
(3)、在 K-means 演算法中，首先需要根據初始聚類中心來確定一個初始劃分，然後對初始劃分進行優化。這個初始聚類中心的選擇對聚類結果有較大的影響，一旦初始值選擇的不好，可能無法得到有效的聚類結果；
(4)、該演算法需要不斷地進行樣本分類調整，不斷地計算調整後的新的聚類中心，因此當資料量非常大時，演算法的時間開銷是非常大的；
(5)、若簇中含有異常點，將導致均值偏離嚴重（即:對噪聲和孤立點資料敏感）；

(6)、不適用於發現非凸形狀的簇或者大小差別很大的簇。

K-means演算法缺點的改進：

1、很多時候，事先並不知道給定的資料集應該分成多少個類別才最合適。通過類的自動合併和分裂，得到較為合理的型別數目 K，例如 ISODATA 演算法。

2、針對上述(3)，可選用二分K-均值聚類；或者多設定一些不同的初值，對比最後的運算結果，一直到結果趨於穩定結束。

3、針對上述第(5)點，改成求點的中位數，這種聚類方式即K-Mediods聚類（K中值）