r Km表示重复运行中集群的一致顺序

r Km表示重复运行中集群的一致顺序,r,k-means,R,K Means,我正在使用r进行kmeans聚类,我发现每次我编写r标记文档时都很难标记聚类,因为聚类的顺序一直在变化 例如,当我第一次编织文档时: set.seed(100) k4 <- kmeans(steps_matrix, centers = 4, nstart = 50) table(cluster) 1 2 3 4 140 399 33 198 set.seed(100) k4你确定吗?我创建了一个要使用的虚拟矩阵(您应该添加一个数据样本以使其可复制),并将其与代码一起添

我正在使用r进行kmeans聚类,我发现每次我编写r标记文档时都很难标记聚类,因为聚类的顺序一直在变化

例如,当我第一次编织文档时:

set.seed(100)
k4 <- kmeans(steps_matrix, centers = 4, nstart = 50)
table(cluster)

1   2   3   4 
140 399  33 198 
set.seed(100)

k4你确定吗?我创建了一个要使用的虚拟矩阵(您应该添加一个数据样本以使其可复制),并将其与代码一起添加到rmarkdown文档中。织几次,结果一模一样。从一个渲染到下一个渲染,矩阵是否完全相同?此外,如果您希望根据大小标记簇,您可以这样做:您的自矩阵绝对一致。连续运行上述6行会产生不同的结果。请给我们一个数据示例来说明这个问题。在
kmeans()
之前使用
set.seed(100)
应该会得到相同的结果。在每个Rmarkdwon块或设置中是否有种子?确定吗?我创建了一个要使用的虚拟矩阵(您应该添加一个数据样本以使其可复制),并将其与代码一起添加到rmarkdown文档中。织几次,结果一模一样。从一个渲染到下一个渲染,矩阵是否完全相同?此外,如果您希望根据大小标记簇,您可以这样做:您的自矩阵绝对一致。连续运行上述6行会产生不同的结果。请给我们一个数据示例来说明这个问题。在
kmeans()
之前使用
set.seed(100)
应该会得到相同的结果。在每个Rmarkdwon块中还是在设置中都有种子?
set.seed(100)
k4 <- kmeans(steps_matrix, centers = 4, nstart = 50)
table(cluster)

1   2   3   4 
399 198  33 140