KMeans不会在sklearn中返回可重现的结果，即使修复random_state

Question

以下代码测试KMeans中的多个n_clusters，并尝试通过惯性准则找到“最佳” n_clusters。但是，它是不可复制的：即使固定random_state，每次我在同一数据集上调用kmeans（df）时，它也会生成不同的聚类-甚至是不同的n_clusters。我在这里想念东西吗？

from sklearn.cluster import KMeans
from tqdm import tqdm_notebook

def kmeans(df):
    inertia = []
    models = {}
    start = 3
    end = 40
    for i in tqdm_notebook(range (start, end)):
        k = KMeans(n_clusters=i, init='k-means++', n_init=50, random_state=10, n_jobs=-1).fit(df.values)        
        inertia.append(k.inertia_)
        models[i] = k
    ep = np.argmax(np.gradient(np.gradient(np.array(inertia)))) + start
    return models[ep]