Matlab中的k-means算法给出错误答案？

Question

我有以下疑问： 我正在使用Matlab的k-means函数，而我只想使用香草劳埃德（Lloyd）算法以及所需的初始化点集。我使用以下代码，其中“ start”是我的初始化向量。

kmeans(data,[],'Start',start, 'OnlinePhase', 'off');

假设我的数据是（-2，-1）X（2,1）范围内的2-D，并且我将起始点初始化为（-10,0）和（0,0）。理想情况下，我应该将所有点集中在一个群集中，而没有一个在其他群集中，但是我将在答案中得到两个群集（因为（-10,0）确实相距甚远，因此应该在一次迭代中收敛）。那怎么可能？我在Matlab网站上阅读了有关k-means算法的说明，看来这不是答案。

Answer 1

没有点最靠近错误选择的中心。因此， 无法重新计算，并将被新的中心替换（请参见文档）。首先将所有点分配给0,0群集。某些算法甚至会因除以0而严重失败，或者丢弃该中心并减小为k = 1。在Matlab中，您可以选择处理-默认情况下，它将选择距离所有中心最远的点作为替换。

恕我直言，将空的聚类中心保留在一个相当合理的位置，因为它不会改变您选择初始中心时考虑的任何聚类枚举，并且（当初始中心选择得当时）它甚至可能变成最终，当其他中心继续移动时（虽然不是在此位置），再次变为非空。