另一种确定kmeans中k值的思路——Gmeans

G-means的思路为：检测一个质心所含的数据看上去是否是高斯的，如果不是就分裂这个簇。G-means能很好地处理stretched out clusters(非球面伸展型类簇)。

下面以一个二维数据集为例进行说明，数据集中包含两个簇，每个簇具有独特的协方差。​

G-means的大致过程如下：​

1）从一个簇开始，这个簇的位置和使用k=1的kmeans得到的位置一样。

​

2）使用k=2对数据集进行聚类，得到两个新的质心a和b，连接a和b得到一条直线，将所有数据投影到这条直线上。

​

3）检测投影后的数据是否符合高斯分布，检测使用的方法是​Anderson-Darling test。

4）如果数据的分布大致符合高斯分布，则说明之前的一个质心已经足以对数据进行聚类，不用分裂成两个质心。

5）如果分布不符合高斯分布，就将数据划分到两个质心，分别查看两个质心的数据在直线上的投影，是否两个分布大致符合高斯分布，是的话就保留这两个质心，将数据划分为两个数据集。

6）对得到的两个新数据集分别重复上述过程。​下图中，对其中一个数据集重复了上述过程，得到的所有数据集在直线上的分布大致符合高斯分布，所以不需要再对数据进行分裂。

 

​对Gmeans的一个变型是在于循环停止的标准上。变型中，不是在数据大致符合高斯分布后才停止，而是在进行足够多次循环后，聚类的质量并没有明显提升，就停止循环过程。这种策略能够处理数据集没有明显质心的情况。