R 中的 k 模式聚类每次运行都会返回不同的集群大小

Question

我正在使用 K-Mode 聚类对分类数据进行聚类，但是当我使用相同数量的聚类对数据进行聚类时，每次都会返回不同的聚类大小

如果我在相同的数据和相同数量的集群上运行集群，我希望集群大小始终是固定的

我做错了吗？

library(klaR)
mysample=read.csv("sample_to_cluster.csv")
results1 <-kmodes(mysample[,2:ncol(mysample)],3 , iter.max = 50, weighted = FALSE )
results2 <-kmodes(mysample[,2:ncol(mysample)],3 , iter.max = 50, weighted = FALSE )
print(results1$size)
print(results2$size)
#why results1 & results2 don't have the same sizes

这是我正在使用的 CSV 文件 CSV

Answer 1

见https://stats.stackexchange.com/questions/58238/how-random-are-the-results-of-the-kmeans-algorithm

k-means 算法不止一种。

您可能参考了 Lloyds 算法，该算法仅依赖于初始聚类中心。但也有 MacQueen 的，它取决于顺序，即点的顺序。然后是 Hartigan、Wong、Forgy，

不同的实现可能会有实现和优化的差异。他们也可能以不同的方式对待关系！例如，许多幼稚的实现总是在绑定时将元素分配给第一个或最后一个集群。

此外，在完成 k-means 后，集群最终可能会按内存地址重新排序，因此即使 k-means 在第一次迭代后收敛，您也不能安全地假设集群 1 仍然是集群 1。其他人将按集群大小重新排序集群（这实际上对 k-means 有意义，因为这更有可能在不同的随机初始化时返回相同的结果）

这实际上取决于您拥有什么样的数据。如果它被很好地分成球形簇，那么您通常会得到非常相似的簇。如果没有，那么您可能每次都会得到相当随机的集群。

set.seed(1)

K-Means 每次初始化质心时，都是随机生成的，需要种子来生成随机值。

Answer 2

Kmodes 就像 kmeans 一样，以 random 初始设置开始，然后进行优化，直到收敛到 local 最优值。

1. 随机种子是算法的“输入的一部分”。使用相同的随机种子，您应该会得到相同的结果。
2. 如果不同随机种子的结果差异很大，很可能没有一个是好的。有一篇论文讨论了如果有一个很好的最优值，那么它一定很容易达到。因此，如果您每次都达到不同的最优值，它们就不会非常好。