Python 结果稳定的k-原型

我正在使用基于python的k模式包中的k原型。 作为K-means，[K-prototype]每次输出不同的结果

---

在K模式中，我们可以设置random_状态以获得稳定的结果，如何对K原型执行相同的操作？

在这个函数调用中，

init

参数可以是

huang

，

cao

和

random

：

def k_prototypes_single(Xnum, Xcat, nnumattrs, ncatattrs, n_clusters, n_points,
                        max_iter, num_dissim, cat_dissim, gamma, init, init_no,
                        verbose, random_state):

将其更改为除

random

以外的任何选项可能会有所帮助

---

另一方面，

np.random.seed（42）

也可能有帮助，因为作者很可能正在使用

np.random（）

谢谢你，莱尼克。我正在对init使用Cao，但每次结果都会改变。我的代码：kproto=KPrototypes（n=clusters=3，init=

Cao

）clusters=kproto.fit=predict（data，category=[4]）