我想知道，如果初始质心点是随机选择的，我们是否得到完全相同数据集的大致相同的质心点。
我正在写一个测试kmeans程序，它们似乎不匹配。我想知道我所做的事情是否正确。
答案 0 :(得分：4)
k-means算法需要对质心位置进行一些初始化。对于大多数算法，这些质心是用一些方法随机初始化的，例如Forgy方法或随机分区，这意味着算法的重复迭代可以收敛到截然不同的结果。
请记住，k-means是迭代的，并且在每个＆＃34;移动质心＆＃34;步骤，将每个质心移动到最小化其与构成点的距离的位置。这使得它严重依赖于起始位置。
因此，通常建议多次运行k-means ，并选择最小化错误的聚类。
答案 1 :(得分：3)
不，不保证。
考虑一个带有4个点的2-means的简单情况：(1, 1), (-1, 1), (1, -1), (-1, -1)（2D中的正方形）
那么2个质心可能是{(0, 1), (0, -1)}或{(1, 0), (-1, 0)}，两个非常不同的结果。
答案 2 :(得分：0)
许多k-means实现允许修复随机数生成器以使结果可重现。
ELKI：-kmeans.seed参数
Weka：-s参数
在其他情况下，您通常可以自己提供初始中心，然后使用可重复的伪随机种子来自己选择。