k-means：每次执行都使用相同的集群

Posted 2023-03-12

【中文标题】k-means：每次执行都使用相同的集群

【英文标题】：k-means: Same clusters for every execution

【发布时间】：2011-11-21 23:54:46

【问题描述】：

是否有可能为特定数据集的每次执行获得相同的 kmeans 集群。就像对于随机值一样，我们可以使用固定种子。是否可以阻止随机性进行聚类？

【参考方案1】：

是的。在进行聚类之前，使用set.seed 设置随机值的种子。

使用kmeans中的例子：

set.seed(1)
x <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2),
           matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2))
colnames(x) <- c("x", "y")


set.seed(2)
XX <- kmeans(x, 2)

set.seed(2)
YY <- kmeans(x, 2)

相等性测试：

identical(XX, YY)
[1] TRUE

【讨论】：

说明为什么每次都使用set.seed。这是因为在调用随机数生成函数时，输出取决于.Random.seed 的值，在执行这些函数后会发生变化。参考：r-coder.com/set-seed-r

【参考方案2】：

是的，在运行 kmeans(....) 之前立即调用 set.seed(foo) 将给出相同的随机启动，因此每次都具有相同的集群。 foo 是种子，如 42 或其他数值。

【讨论】：

只是添加到 Andrie 和 Gavin 的响应中，我已经测试过，即使我们将 kmeans() 中的 nstart 参数设置为大于 1，即具有随机播种的多次迭代，集合。 seed() 将获得可生产的相同结果。