Czy jest jakiś konkretny cel pod względem wydajności lub funkcjonalności, dlaczego algorytm k-średnich nie wykorzystuje na przykład podobieństwa (dis) cosinusa jako metryki odległości, a może jedynie stosować normę euklidesową? Zasadniczo, czy metoda K-oznacza jest zgodna i poprawna, gdy rozważa się lub stosuje inne odległości niż euklidesowe?
[Dodane przez @ttnphns. Pytanie jest dwojakie. „(Nie) euklidesowa odległość” może dotyczyć odległości między dwoma punktami danych lub odległości między punktem danych a centrum klastrów. Do tej pory próbowano rozwiązać oba sposoby w odpowiedziach.]