R 具有预定义质心的K-均值聚类

我正在尝试使用预定义的质心运行K-means算法。我看过以下帖子：

一,

二,

但是，每次运行命令时：

km = kmeans(df_std[,c(10:13)], centers = centroids)

我得到以下错误：

**Error: empty cluster: try a better set of initial centers**

我将质心定义为：

centroids = matrix(c(140.12774, 258.62615, 239.36800, 77.43235,
                      33.37736, 58.73077,  68.80000,  12.11765,
                     0.8937264, 0.8118462, 0.8380000, 0.8052941,
                     11.989858, 12.000000, 8.970000,  1.588235),
ncol = 4, byrow = T)

我的数据是数据框的一个子集，比如说：df_std。它已经被缩放了

df_std[,c(10:13)]

我想知道为什么系统会给出上述错误？

---

在此方面的任何帮助都将不胜感激

浏览我在上面发布的特定错误时：

Error: empty cluster: try a better set of initial centers

我找到了对话的以下链接：

广义而言，上述误差是在质心与数据不匹配时产生的

这可能发生在 k 是一个数字： 由于k-均值算法的随机启动，中心可能与数据不匹配

它也可能发生在 k 表示质心（我的案例）。问题是：我的数据已缩放，但质心未缩放。

---

上面的共享链接让我意识到我的代码中有一个bug。希望它能帮助像我这样处境相似的人

使用最近邻分类器仅使用中心，不要重新分类

---

这意味着每个点都被标记为最近的中心。这类似于k-means，但不改变中心，不需要迭代，每个新数据点都可以以任何顺序独立处理。一次只处理一个点时不会出现问题（在您的案例中，k-means失败是因为一个集群变为空！）

您确定这就是您想要的吗？集群将移动（如果它们没有变为空）。你很可能想做最近邻分类而不是客户分类…@Anony Mouse是的，我绝对想要基于质心的聚类！我正在复制我在一个数据集上所做的一些工作。现在，对于新的数据集，我不希望使用无监督聚类，而是希望提取类似的组。@Anony Mouse我还看到有许多人，他们根据自己的需要，必须通过基于质心的聚类，请参见：您希望中心移动还是不移动？这些集群中至少有一个是空的，并且将消失。请更详细地解释我的问题。我之前做的工作有4个集群A、B、C和D。集群A和B人口密集，而C和D人口稀少。该分类基于包含八个特征（X=8）的集合。如果我想在相同的八个特征的基础上得到相似的观察分布，我不应该使用具有预定义质心的K-均值吗？