为什么每次都给出完全相同的结果？

Question

我已经重新运行了4次

​

​

从其他的答案中，我知道

每一次K-表示初始化质心，它是随机生成的.

你能解释一下为什么每次结果完全一样吗？

import numpy as np 
import pandas as pd
import matplotlib.pyplot as plt 
from sklearn.cluster import KMeans
%config InlineBackend.figure_format = 'svg' # Change the image format to svg for better quality
don = pd.read_csv('https://raw.githubusercontent.com/leanhdung1994/Deep-Learning/main/donclassif.txt.gz', sep=';')

fig, ax = plt.subplots(nrows=2, ncols=2, figsize= 2 * np.array(plt.rcParams['figure.figsize']))

for row in ax:
    for col in row:
        kmeans = KMeans(n_clusters = 4)
        kmeans.fit(don)
        y_kmeans = kmeans.predict(don)
        col.scatter(don['V1'], don['V2'], c = y_kmeans, cmap = 'viridis')
        centers = kmeans.cluster_centers_
        col.scatter(centers[:, 0], centers[:, 1], c = 'red', s = 200, alpha = 0.5);

plt.show()

Answer 1

我发布@AEF的评论，将这个问题从未回答的列表中删除。

随机初始化不一定意味着随机结果。最简单的例子:使用k=1的K-方法总是在一个步骤中找到平均值，而不管中心在哪里初始化.

Answer 2

他们不一样。它们是相似的。K-均值算法是一种迭代移动质心的算法，这样它们在分割数据时变得越来越好，虽然这个过程是确定性的，但是你必须为这些质心选择初始值，这通常是随机的。随机开始，并不意味着最终的质心会是随机的。它们将汇聚到一些相对好的东西上，而且往往是相似的。

通过以下简单修改查看您的代码：

import numpy as np 
import pandas as pd
import matplotlib.pyplot as plt 
from sklearn.cluster import KMeans
%config InlineBackend.figure_format = 'svg' # Change the image format to svg for better quality
don = pd.read_csv('https://raw.githubusercontent.com/leanhdung1994/Deep-Learning/main/donclassif.txt.gz', sep=';')

fig, ax = plt.subplots(nrows=2, ncols=2, figsize= 2 * np.array(plt.rcParams['figure.figsize']))

cc = []

for row in ax:
    for col in row:
        kmeans = KMeans(n_clusters = 4)
        kmeans.fit(don)
        cc.append(kmeans.cluster_centers_)
        y_kmeans = kmeans.predict(don)
        col.scatter(don['V1'], don['V2'], c = y_kmeans, cmap = 'viridis')
        centers = kmeans.cluster_centers_
        col.scatter(centers[:, 0], centers[:, 1], c = 'red', s = 200, alpha = 0.5);

plt.show()

cc

如果您看一下这些质心的确切值，它们将如下所示：

[array([[ 4.97975722,  4.93316461],
        [ 5.21715504, -0.18757547],
        [ 0.31141141,  0.06726803],
        [ 0.00747797,  5.00534801]]),
 array([[ 5.21374245, -0.18608103],
        [ 0.00747797,  5.00534801],
        [ 0.30592308,  0.06549162],
        [ 4.97975722,  4.93316461]]),
 array([[ 0.30066361,  0.06804847],
        [ 4.97975722,  4.93316461],
        [ 5.21017831, -0.18735444],
        [ 0.00747797,  5.00534801]]),
 array([[ 5.21374245, -0.18608103],
        [ 4.97975722,  4.93316461],
        [ 0.00747797,  5.00534801],
        [ 0.30592308,  0.06549162]])]

相似的，但不同的价值观。

另外：

查看KMeans的默认参数。有一个叫做n_init的：

时间数k-均值算法将运行不同的质心种子.最后的结果将是在惯性方面n_init连续运行的最佳输出。

默认情况下，它等于10。这意味着每次运行k-意味着它实际上运行了10次，并选择了最好的结果。这些最好的结果甚至会比一次k均值的结果更相似。

Answer 3

当随机化是Scikit学习算法的一部分时，可以提供一个random_state参数来控制所使用的随机数生成器。请注意，仅仅存在random_state并不意味着总是使用随机化，因为它可能依赖于设置的另一个参数，例如洗牌。

传递的值将对函数(fit、split或任何其他函数(如k_means)返回的结果的可再现性产生影响)。随机状态的值可以是：

参考：https://scikit-learn.org/stable/glossary.html#term-random_state