Python 是k-means++；每次都是完美的吗？还有哪些初始化策略可以产生最佳的k-均值？

我已经实现了一个k-means算法，性能在很大程度上取决于质心的初始化方式。我发现随机均匀初始化在大约5%的时间内给出了一个好的k-means，而在k-means++中，它接近50%。为什么好的k-均值的收益率如此之低？我应该否认，我只使用了少数几个数据集，我的好/坏比率只是这些数据集的指标，而不是广泛的指标

下面是一个使用k-means++的示例，其最终结果并不理想。该聚类的邓恩指数为0.16

还有一个例子，它在Dunn指数为0.67的情况下运行良好

我可能觉得k-means++每次都能产生一个好的k-means。我的代码可能有问题吗

def初始化_质心（点，k）：
"""
参数：
点：点的列表。
k:要放置多少个质心。
返回：
质心列表。
"""
集群=[]
clusters.append（选择（点））#第一个质心是随机点
对于范围内的（k-1）：#对于其他质心
距离=[]
对于p in点：
d=inf
对于簇中的c：#找到p和c之间的最小距离
d=最小值（d，距离（p，c））
距离。附加（d）
#从最小距离中查找最大距离索引
clusters.append（点[距离.索引（最大距离）））
返回簇

这是根据维基百科上的算法改编的：

从数据点中随机均匀地选择一个中心

对于每个数据点x，计算D（x），x与已选择的最近中心之间的距离

随机选择一个新数据点作为新中心，使用加权概率分布，其中选择一个点x，概率与D（x）2成比例

重复步骤2和3，直到选择了k个中心

既然已经选择了初始中心，使用标准的k-均值聚类继续

不同之处在于质心的选择使其成为最远距离，而不是在最远距离之间进行选择的概率

我的目的是比较不同

k

值的Dunn指数，从经验上看，Dunn指数越高，聚类效果越好。如果有一半的时间不起作用，我就无法收集（好的）数据，因此由于k-means++或我的实现的不完善，我的结果是不正确的

---

还有哪些初始化策略可以用来获得更一致的结果？

您的第一段提到了

k-means

和

k-means++

。你是在比较这两种方法还是一直在谈论

k-means++

？@Gabriel我觉得k-means是聚类算法，k-means++是初始化策略。我的整个问题都用到了这两个词。哦，我明白了。因此，您基本上想知道为什么您的

k-means++

实现以观察到的速率“失败”。我相信一个好的健全性检查是将您的实现与

scikit-learn

进行比较。默认情况下，它使用

k-means++

方法，如果该（经过良好测试的）实现与您的实现具有类似的性能，那么这就是最好的。该实现默认使用10种不同的种子初始化，因此这表明他们平均在10%的时间内（至少）期望“良好”的结果。你绝对应该把你的方法和他们的比较。