在scikit learning中的k-means中，如何选择初始质心？
随机吗？
如果我对同一数据运行几次，精度值会改变吗？
kmeans =KMeans(data , no of clusters)
答案 0 :(得分：0)
scikit学习实现中的中心可以通过三种方式初始化：
k-means++用于加速收敛。在第一种情况下，随机表示（来自k-means++ paper）
通常的做法是从X中随机选择初始中心。
在第二种情况下，同样来自k-means++的k-means ++，他们选择质心为：
我们提出了一种选择k均值算法中心的特定方法。特别地，令D（x）表示从数据点到我们已经选择的最接近中心的最短距离。然后，定义以下算法，称为k-means ++。
- 取一个中心c1，它是从X中随机选择的。
- 采用一个新的中心c，以概率D（x）选择x∈X（请参阅参考资料）
- 重复上一步骤，直到我们总共测量了k个中心。
- 按照标准的k均值算法进行操作
是的，由于初始化是随机的，并且收敛可以在局部最小值中找到，因此不同的初始化可能会得到不同的结果。