K-mean 聚类，为什么不同的聚类初始位置会影响最终的聚类结果？答案

【问题标题】：K-mean clustering, why different initial positions of the clusters influence on the final clustering result?K-mean 聚类，为什么不同的聚类初始位置会影响最终的聚类结果？
【发布时间】：2011-06-20 06:28:11
【问题描述】：

我不确定这个问题在这里是否合适。无论如何，这里的人似乎很有帮助。所以这是我的问题。

在k-mean聚类的情况下，需要给出簇的初始位置。为什么不同的聚类初始位置会影响最终的聚类结果？

【问题讨论】：

我们还深入了解《公主新娘》、《火线》、Scrabble 的最佳策略以及接送女性的非最佳策略，但这并不意味着这些问题在这里是合适的。
@Jason：很抱歉在这里发布这样一个不恰当的问题。管理员可以为我删除它。谢谢！
呃，不用抱歉；这是一个有趣的问题。我只是想变得幽默。我经常不成功。
@Jason：好的。可能因为我的英语没听懂你的笑话。

标签： statistics cluster-analysis k-means

【解决方案1】：

当您使用 k-means 时，您真正想要解决的问题是最小化簇内平方和 (WCSS)。没有有效的方法可以准确地解决这个问题（即使是二维点）。用更专业的术语来说，WCSS 是一个 NP-hard 问题。

k-means 是一种迭代方法，可以找到 WCSS 问题的近似解，k-means 使用的这种通用方案是一种期望最大化方法。大多数迭代方法都需要一个起点，通常解决方案的质量将取决于起点。

【讨论】：