Метод K-means может привести к неравномерному распределению кластеров в больших объёмах данных по нескольким причинам:

• Случайная инициализация. 1 Центроиды выбираются случайным образом, что может привести к неоптимальным результатам кластеризации. 1
• Чувствительность к выбросам. 1 Выбросы могут значительно искажать положение центроидов, снижая точность кластеризации. 1
• Предопределённое количество кластеров. 1 Количество кластеров (K) должно быть указано заранее, что может не соответствовать фактическому распределению данных. 1
• Допущения по форме и размеру. 1 K-means лучше всего работает с кластерами круглой формы и одинакового размера, что делает его неподходящим для кластеров неправильной формы или неравномерно распределённых кластеров. 1

Кроме того, если центры кластеров выбираются слишком близко друг к другу, то алгоритм может «разделить» то, что должно быть единым кластером, и «объединить» два разных. 5