在 Python 中迭代 K 均值的聚类中心答案

【问题标题】：Iterate cluster centers for K means in Python在 Python 中迭代 K 均值的聚类中心
【发布时间】：2018-05-05 07:45:52
【问题描述】：

我有 4 列数据。对于这些 X，我需要随机选择 3 个聚类中心并找到 SSE 最少的聚类。为什么中心和惯性（SSE）在变化的随机状态和 init=random 参数下都是相同的？

   Xvar=stud.iloc[:,1:5]

   #X1=np.random.randint(22,99,size=(3,4))

   kmeans1= KMeans(n_clusters=3, init='random', random_state=101)

   kmeans1.fit(Xvar)

   kmeans1.labels_ 

   kmeans1.cluster_centers_

   kmeans1.inertia_

【问题讨论】：

标签： scikit-learn cluster-analysis k-means

【解决方案1】：

在过于简单的数据上，许多不同的初始种子会收敛到相同的结果。

另外，如果我没记错的话，n_init 的默认值是 10，所以如果只有十分之一的运行会产生相同的结果...

【讨论】：

谢谢，我认为这是问题所在。我的数据只有大约 70 行。