Python：确定k-means聚类（scipy）的最高可能性质心数组

我正在使用k-means的scipy实现，需要一种方法来循环计算n次，记录每个循环的质心输出数组，并以最高的可能性计算输出。编辑我设置k=4，所以每个解决方案有4个元素。我需要确定最频繁出现的质心数组（即4个元素的集合）

我的质心阵列看起来像：

[[ 75]
 [115]
 [163]
 [ 16]]

[[ 75]  [[ 73]  [[ 75]
 [115]   [112]   [115]
 [163]   [167]   [163]
 [ 16]], [ 14]], [ 16]]

keep_count = {}
for attempt in range(n):
    get_one_of_those_arrays  <-- sorry, no idea how the function of k-means work
    for result in array:        
        if keep_count.has_key(result):
            keep_count[result] +=1
        else:
            keep_count[result] = 1

在手动运行代码时，由于k-means的随机特性，出现了4-6个解决方案。基本上，我想计算n上每个数组的出现次数，并返回最可能的数组

根据Jblasco对问题的解释进行编辑以澄清

每次算法运行时，它都会返回一个形心数组，如上面所示。运行算法3次，我会得到如下结果：

[[ 75]
 [115]
 [163]
 [ 16]]

[[ 75]  [[ 73]  [[ 75]
 [115]   [112]   [115]
 [163]   [167]   [163]
 [ 16]], [ 14]], [ 16]]

keep_count = {}
for attempt in range(n):
    get_one_of_those_arrays  <-- sorry, no idea how the function of k-means work
    for result in array:        
        if keep_count.has_key(result):
            keep_count[result] +=1
        else:
            keep_count[result] = 1

我想完成两件主要的事情：

1） 循环生成这些质心的代码
2） 确定最可能的（常见的）解决方案，在这种情况下是：

[[ 75]
 [115]
 [163]
 [ 16]]

---

如果我理解正确的话，你会得到n倍于你展示的数组，你要计算数组中75倍，数组中115倍，依此类推。如果这是正确的，我会想到这样的事情：

[[ 75]
 [115]
 [163]
 [ 16]]

[[ 75]  [[ 73]  [[ 75]
 [115]   [112]   [115]
 [163]   [167]   [163]
 [ 16]], [ 14]], [ 16]]

keep_count = {}
for attempt in range(n):
    get_one_of_those_arrays  <-- sorry, no idea how the function of k-means work
    for result in array:        
        if keep_count.has_key(result):
            keep_count[result] +=1
        else:
            keep_count[result] = 1

---

好了，现在我明白你的意思了，让我们重新开始，好吗？对类似问题的类似思维方式。我承认这不是最优雅的可能性，但我认为它是有效的，而且是直观的：

keep_count = {}
for attempt in range(n):
    array = get_one_of_those_arrays  <-- sorry, no idea how the function of k-means work
    array = tuple(array.reshape(4))
    if keep_count.has_key(array):
        keep_count[array] +=1
    else:
        keep_count[result] = 1

---

谢谢你的回复。我实际上在寻找最常见的4个值。我编辑了原稿。