K-means聚类算法的优缺点

优点：

1. 算法简单易懂，实现容易；
2. 对于大规模数据集，K-means算法具有较高的效率；
3. 聚类效果较好，能够较好地处理球形分布的数据。

缺点：

1. 初始聚类中心的选择对结果影响较大；
2. 对于非球形分布的数据聚类效果不佳；
3. 对于噪声和异常值较为敏感；
4. 需要事先指定聚类数目，但在实际应用中很难确定最优的聚类数目；
5. 由于算法的迭代次数较多，因此算法的时间复杂度较高。