K均值缺点

• 需要人工预先设置K值，而且该值与真实的数据分布未必吻合

• K值只能收敛到局部最优，效果受到初始值影响较大

• 容易受到噪声影响

• 样本点被划分到单一的类里面

高斯混合模型

高斯混合模型（Gaussian Mixed Model，GMM）也是常见的聚类算法。使用EM算法进行迭代计算。高斯混合模型假设了每个簇的数据符合正态分布（高斯分布），当前的数据分布就是各个簇的高斯分布叠加在一起。

当数据明显无法使用一个正态分布拟合的时候，这时候我们就需要推广到多个正态分布的叠加，然后进行数据的拟合，这就是所谓的高斯混合模型，即采用多个正态分布函数的线性组合进行数据分布拟合，理论上，高斯混合模型可以拟合出任意类型的分布。

高斯混合模型假设

我们假设同一类的数据符合正态分布，不同簇的数据符合各自不同的正态分布。
我们需要计算每个正态分布的参数，均值和方差。我们还为每个正态分布添加一个参数\代表权重，或者说生成数据的概率。
高斯混合模型是生成式的模型，例如，一种最简单的情况。存在两个一维正态分布的分模型为N(0,1)和N(5,1)，权重分别为0.7和0.3。那么生成第一个数据点的时候，先按照权重的比例，随机选择一个分布，然后根据分模线参数进行随机生成，之后第二...，直到生成所有的数据点。

一般情况下，我们无法直接得到高斯混合模型的参数，而是观察一些数据点，给定一个大概的类别数量K，然后求出最佳的K个正态分布模型。因此，我们需要计算的是最佳的均值，方差和权重。

如果使用最大似然求解，必将极其复杂，因此我们使用EM算法。