Sobre el 8.6: yo haría lo que dice el ejercicio (creo que es lo que hiciste), es decir el 4.7
Sobre el criterio de parada: un buen criterio es ||Z-C||_F/||Z||_F < epsilon
Sobre tau y mu2: bienvenida al mundo de machine learning! Probá grillas logarítmicas, por ej 0.01, 0.1 1, etc, para ambos valores.
Errores de clustering del 50% on parecen muy buenos, pero no tengo idea qué se espera en ese caso. Yo buscaría algún paper sobre SSC aplicado a ese problema (seguro que el libro lo tiene referenciado) y miraría qué resultados se obtuvo, qué parámetros se usó, etc.
Para el último voy a tener que mirar bien el ejercicio. Disculpen pero recién vi todos los mensajes (pensé que estaba suscrito) y no tengo el libro a mano. Estoy tratando de responder lo que puedo ya que queda muy poco tiempo.