A fragilidade do K-médias (K-means) está na sua dependência da inicialização aleatória dos centroides, que pode levar a resultados diferentes em execuções distintas. Isso pode resultar em agrupamentos subótimos. Para mitigar essa fragilidade, uma abordagem comum é usar o método K-means++ para a inicialização dos centroides. Esse método escolhe os centroides iniciais de forma mais inteligente, aumentando a probabilidade de encontrar uma boa solução desde o início. Além disso, executar o algoritmo várias vezes com diferentes inicializações e escolher a melhor solução com base na soma das distâncias quadráticas pode ajudar a obter resultados mais consistentes.