我想在生产部署中使用scikit kmean，并且想对kmean.init = k-means ++使用默认设置。我的问题是，在初始化簇质心时，kmeans会落入局部最优的机会是什么？
Notes说“'k-means ++'：以一种聪明的方式为k-mean聚类选择初始聚类中心，以加快收敛速度。有关更多详细信息，请参阅k_init中的Notes部分。”
是否有关于获得局部最优概率的数据？ 如果是这样，我是否应该迭代以获得最小成本函数？
答案 0 :(得分：-1)
陷入局部最优状态的可能性主要取决于数据的性质。如果将其明确分组，则初始聚类可能不会对最终聚类结果产生太大影响。 May be of use for you。
尽管有上述几点，对于高维数据集，最好尝试使用不同的初始聚类尝试10次或更多次迭代，然后选择性能最佳的一个（性能指标之一可能是silhouette-coefficient）