Machine learning kmeans是可重复的吗？

我想知道，如果初始质心点是随机选择的，那么对于完全相同的数据集，我们是否得到大致相同的质心点

---

我正在编写一个测试kmeans程序，它们似乎不匹配。我想知道我所做的是否正确。

不，这不是保证

考虑一个简单的例子，2-均值有4个点：1，1，-1，1，1，-1，-1二维平面上的一个正方形

---

然后两个质心可能是{0,1,0，-1}或{1,0，-1,0}，这两个结果非常不同。

k-means算法需要对质心位置进行一些初始化。对于大多数算法，这些质心是用一些方法随机初始化的，比如福吉法或随机分割法，这意味着算法的重复迭代可以收敛到截然不同的结果

请记住，k-means是迭代的，在每个移动质心步骤中，每个质心都会移动到一个位置，使其与组成点的距离最小化。这使得它严重依赖于起始位置

---

因此，通常建议多次运行k-means，并选择使错误最小化的聚类。

许多k-means实现允许修复随机数生成器，以使结果可重复

ELKI:-kmeans.seed参数

Weka:-s参数

在其他情况下，您通常可以自己提供初始中心，然后使用可复制的伪随机种子选择它们