R：每次运行时，聚类结果都是不同的

在“amap”包中运行多次，但即使参数和种子值始终相同，每次运行Kmeans或其他群集方法时，群集结果都是不同的

我在不同的包中尝试了另一个kmeans函数，但仍然是一样的

事实上，我想同时使用Weka和R，所以我也尝试在RWeka包中使用

SimpleKMeans

，这总是给出相同的值。然而，问题是，我不知道如何存储集群数据以及来自RWeka中SimpleKmeans的集群编号，所以我被困在

---

无论如何，我怎样才能保持聚类结果始终不变？或者如何将

SimpleKmeans

的聚类结果存储到R中？

您一定做错了什么。每次运行以下代码时，只要在每次调用

Kmeans（）

之前设置种子，就会得到可复制的结果：

---

表明每次的结果都完全相同。

只是提醒一下，K-均值结果对数据集中数据点的顺序很敏感。如果使用随机数据点再次运行正确的代码，将得到不同的结果

设置种子了吗？

set.seed（1）

---

每次K-Means初始化质心时，它都是随机生成的，这需要种子来生成随机值。

您是在每次运行

Kmeans

时重置种子，还是第一次重置种子？如果每次重置seed，每次都应该得到相同的答案。编辑代码示例，包括

library（amap）

和函数

Kmeans

+1，用于显示每次调用Kmeans时应如何使用set.seed。@感谢编辑将其更新为

Kmeans（）

，现在OP告诉我们在哪里可以找到它。

library(amap)
set.seed(5)
Kmeans(mydata, 5, iter.max=500, nstart=1, method="euclidean")

library(amap)

out <- vector(mode = "list", length = 10)
for(i in seq_along(out)) {
    set.seed(1)
    out[[i]] <- Kmeans(iris[, -5], 3, iter.max=500, nstart=1, method="euclidean")
}

for(i in seq_along(out[-1])) {
    print(all.equal(out[[i]], out[[i+1]]))
}

[1] TRUE
[1] TRUE
[1] TRUE
[1] TRUE
[1] TRUE
[1] TRUE
[1] TRUE
[1] TRUE
[1] TRUE