我们经常通过 1) 减去每个特征的平均值和 2) 除以每个特征的标准差来对 k-means 算法的输入进行归一化。这里讨论了这背后的一些合理性：

k-means 聚类是否需要均值归一化和特征缩放？

但是假设特征不相关似乎很奇怪，所以我的问题是，为什么我们不完全白化数据呢？换句话说，如果数据具有均值和协方差，为什么不使用对每个样本进行预处理？$\mu$$\Sigma$$\tilde{x} = \Sigma^{-1/2} (x - \mu)$

的维度变得非常大时，这将在计算上变得困难，例如，但还有其他原因吗？$x$$\gg 100$

谢谢你。