在普通的K-means算法中，会存在以下的缺点：
1). 只能收敛到局部最优，受到初始值较大；
2). K不确定，需自己确定；
3). 受noise影响较大。
为了改进k-means算法，出现了K-means++，ISODATA和Kernel K-means等方法。
其中K-means++算法是对初始值选择进行了改进。
普通k-means算法的步骤大概如下所示（假设k=3）：
普通的K均值算法是随机选取K个点作为聚类的中心，而K-means++按照如下的思想选取K个聚类中心，其基本的思想是，K个初始聚类中心相互之间应该分得越开、离得越远越好（图片来自https://www.cnblogs.com/yixuan-xu/p/6272208.html）：
