前面的文章里总共提到了7种聚类算法，我们就会情不自禁地想知道，哪一种是“最好”的聚类算法？

  正如我在一开始就提到，聚类实际上是由用户来给定规则，从而实现分类的。所以所谓“最好”的聚类算法，就应该是那个聚类规则“最能反映系统特征”的算法（当然，在同样能反映系统特征的情况下，效率越高自然越好，比如AP算法就要优于K-centers算法）。

  在聚类算法中，最为关键的规则是什么呢？我个人认为，应该就是对样品相似性的描述。这不仅仅是指两两样品之间的直接相似度（也就是相似矩阵），还有如“A与B接近，B与C接近，那么A与C是否接近”这样的传递性问题。比如在K-means里面，这个问题就是否定的，K-means只认样品两两间的直接相似性（欧氏距离），而在Chameleon算法和谱聚类里，这种相似性就可以通过网络进行传递。因此K-means得到的就只能是凸型的聚类，而后两者则可以得到形状各异的聚类。但是，这样的相似性真的是我们需要的么？这就要根据实际的问题来判断了。所以算法的优劣归根到底要根据问题本身来判断。

最后比较一下之前提到的所以算法的特点