如何确保 k 中簇的质心意味着算法不会每次都切换？答案

【问题标题】：How to ensure centroids of the clusters in k means algorithm doesn't switch everytime?如何确保 k 中簇的质心意味着算法不会每次都切换？
【发布时间】：2018-10-12 09:04:28
【问题描述】：

我有一个如下所示的 csv 文件

date                       mse                                                  
2018-02-11                 14.34
2018-02-12                 7.24
2018-02-13                 244.5
2018-02-14                 3.5
2018-02-16                 12.67
2018-02-21                 45.66
2018-02-22                 15.33
2018-02-24                 98.44
2018-02-26                 23.55
2018-02-27                 45.12
2018-02-28                 78.44
2018-03-01                 34.11
2018-03-05                 23.33
2018-03-06                 127.45
...                        ...   
...                        ...

现在我尝试将 k mean 应用于 mse 值以获得 2 clusters 这给了我 2 centroids每个一个。现在我得到一个mse 值，我需要找到两个centroids 中的哪一个更接近给定的mse 值。我做这样的事情

from sklearn.cluster import KMeans
import pandas as pd

centroid_list = []
given_mse = 7.382409087
kmeans = KMeans(n_clusters=2)
df = pd.read_csv("data.csv", parse_dates=["date"])
kmeans.fit_predict(df[['mse']])
centroid_list.append(kmeans.cluster_centers_.ravel())
#print(centroids_list)  # array([  153.27996598, 19810.6925875 ]
for i in centroids_list:
t1 = abs(given_mse - i[0])
t2 = abs(given_mse - i[1])
if t1 < t2:
   result.append("label 1")
   else:
   result.append("label 2")
print(result)  # ['label1']

现在您可以看到，我得到了两个 centroid 值 153.27996598 和 19810.6925875 分配给每个集群。

问题是当你运行程序时它经常切换值 [(x,y) 或 (y,x)] 因为我得到的最终结果是label1或有时label2。

知道如何解决这个问题。是否有任何 sckit-learn 技术来防止这种切换？

【问题讨论】：

您可以保存模型并重新加载它，而不是重新训练。
@ncfirth 很抱歉，但我不太确定我是否理解。您能详细说明一下吗？
创建一个单独的脚本来训练模型并保存它，例子可以看here。然后每次使用模型时只需加载保存的模型而不是重新训练。
在 KMeans 中使用 random_state 参数
@VivekKumar 谢谢！它有效！

标签： python-3.x pandas scikit-learn k-means

【解决方案1】：

正如@Vivek Kumar 所说，我需要在设置 k 表示时传递一个附加参数random_state。random_state 的值可以是任何整数。

kmeans = KMeans(n_clusters=2, random_state=1)

【讨论】：