R kmeans（）的结果在不同的运行中没有变化

我试图运行几个kmeans，以查看

totss

得到的不同值。但是当我运行下面的代码时，我得到了50次相同的精确结果（n=50）

知道为什么会这样吗

图片：我删除了set.seed（）的内容，并打印了

a$iter

（迭代次数）。

set.seed（runif（1））

始终为您提供

set.seed（0）

。您可以尝试

set.seed（i）

您也可以只在循环外部使用单个

set.seed

---

我将

runif（1）

更改为

runif（1）*100

，但每次运行都得到相同的输出

我添加了

set.seed（）

，因为如果我删除它，循环会为所有迭代提供相同的结果

---

我理解你的观点，但问题是有些地方出了问题，因为我在每次运行/迭代中都得到了相同的结果

谁告诉你

kmeans

总是给出随机结果？这取决于数据的外观。下面的示例有两个明确的集群，因此

kmeans

不会显示随机性

set.seed(0)
X <- rbind(matrix(rnorm(100), 50), matrix(rnorm(100, 10), 50))
plot(X)

set.seed（0）
X
set.seed（runif（1））
始终为您提供
set.seed（0）
。您可以尝试
set.seed（i）

您也可以只在循环外部使用单个
set.seed


我将
runif（1）
更改为
runif（1）*100
，但每次运行都得到相同的输出

我添加了
set.seed（）
，因为如果我删除它，循环会为所有迭代提供相同的结果

我理解你的观点，但问题是有些地方出了问题，因为我在每次运行/迭代中都得到了相同的结果

谁告诉你
kmeans
总是给出随机结果？这取决于数据的外观。下面的示例有两个明确的集群，因此
kmeans
不会显示随机性

set.seed(0)
X <- rbind(matrix(rnorm(100), 50), matrix(rnorm(100, 10), 50))
plot(X)

set.seed（0）
数据的X太极端，则可能只有一个最佳值

在您显示的数据部分中，第一列是常量（=无所谓），最后一列的大小太小，不重要。另外两个只有两个值。因此，几乎可以肯定的是，我们会发现这个微不足道的二进制分割

所以问题在于你的数据。
数据太过极端，那么可能只有一个最佳值

在您显示的数据部分中，第一列是常量（=无所谓），最后一列的大小太小，不重要。另外两个只有两个值。因此，几乎可以肯定的是，我们会发现这个微不足道的二进制分割

因此，问题是您的数据。
runif（1）返回的值介于0和1之间，set.seed需要一个整数。我怀疑你在每个循环开始时将随机数生成器重置为相同的初始值，因此计算结果完全相同。我不知道你实际上在做什么。是否设置固定的随机种子？对于前者，请参见@李哲源'下面是我的答案；对于后者（没有固定种子），只需删除
set.seed（…）
，每次都会产生一个随机种子。我将“runif（1）”部分改为“set.seed（round（as.numeric（runif（1）*100））”，并且是相同的output@MauritsEvers实际上我添加了“set.seed（）”的内容，因为如果我放弃它，对于所有迭代，它仍然给我相同的结果。注意，索引
k
在每次迭代中增加1，但您没有使用它。如果（1）返回一个介于0和1之间的值，并且set.seed需要一个整数，那么它不会改变looprunif中的任何内容。我怀疑你在每个循环开始时将随机数生成器重置为相同的初始值，因此计算结果完全相同。我不知道你实际上在做什么。是否设置固定的随机种子？对于前者，请参见@李哲源'下面是我的答案；对于后者（没有固定种子），只需删除
set.seed（…）
，每次都会产生一个随机种子。我将“runif（1）”部分改为“set.seed（round（as.numeric（runif（1）*100））”，并且是相同的output@MauritsEvers实际上我添加了“set.seed（）”的内容，因为如果我放弃它，对于所有迭代，它仍然给我相同的结果。注意，索引
k
在每次迭代中增加1，但您没有使用它。它不会改变你的循环中的任何东西我理解你的观点，但问题是有些地方出了问题，因为我在每次运行/迭代中没有得到相同的结果。我理解你的观点，但问题是有些地方出了问题，因为我在每次运行/迭代中没有得到相同的结果。
set.seed(0)
X <- rbind(matrix(rnorm(100), 50), matrix(rnorm(100, 10), 50))
plot(X)

## 50 run
cl <- replicate(50, kmeans(X, 2), FALSE)

## size[1]
sapply(cl, "[[", c(7, 1))
# [1] 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
#[26] 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50

## size[2]
sapply(cl, "[[", c(7, 2))
# [1] 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
#[26] 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50

## iter
sapply(cl, "[[", 8)
# [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
#[39] 1 1 1 1 1 1 1 1 1 1 1 1

## center
ctr <- lapply(cl, "[[", 2)
unique(ctr)
#[[1]]
#        [,1]        [,2]
#1 0.02393097  0.02140593    ## lower left cluster is the 1st cluster
#2 9.78910937 10.11978752
#
#[[2]]
#        [,1]        [,2]
#1 9.78910937 10.11978752    ## upper right cluster is the 1st cluster
#2 0.02393097  0.02140593

X <- matrix(runif(200), 100)
plot(X)