Scikit-learn KMeans中n_runs与n_init参数的作用差异解析

在scikit-learn的文档示例中，运行KMeans时用到了两个看似功能相似的参数/逻辑：

1. KMeans类的n_init参数，示例代码：

kmeans = KMeans(
    n_clusters=true_k,
    max_iter=100,
    n_init=1,
)

2. 示例中fit_and_evaluation函数通过n_runs参数实现的外部循环，代码逻辑：

for seed in range(n_runs):
    km.set_params(random_state=seed)
    t0 = time()
    km.fit(X)
    train_times.append(time() - t0)
    scores["Homogeneity"].append(metrics.homogeneity_score(labels, km.labels_))
    scores["Completeness"].append(metrics.completeness_score(labels, km.labels_))
    scores["V-measure"].append(metrics.v_measure_score(labels, km.labels_))
    scores["Adjusted Rand-Index"].append(
        metrics.adjusted_rand_score(labels, km.labels_)
    )
    scores["Silhouette Coefficient"].append(
        metrics.silhouette_score(X, km.labels_, sample_size=2000)
    )

疑问：二者都是以不同初始化重启KMeans，为什么需要同时存在？

这两个逻辑的定位和目的完全不同：

• n_init是KMeans算法内部的优化机制
  它的作用是在单次调用fit()时，自动用不同的初始质心位置跑n_init次KMeans，然后从中选出损失（SSE）最小的那次结果作为最终模型返回。这么做是为了避免KMeans陷入较差的局部最优解，属于算法层面的自我优化，不需要用户手动写循环。

• n_runs是外部的模型评估逻辑
  它的目的是测试模型在不同全局随机种子下的稳定性。即使n_init已经选出了单次fit里的最优结果，不同的随机种子（会影响初始质心的生成逻辑）仍可能让最终聚类结果产生波动——尤其是当数据集本身的聚类边界不清晰时。通过外部循环多次运行KMeans（每次换种子），可以收集多组指标数据，统计均值、方差，以此判断聚类结果是否稳定可靠，同时也能评估训练时间的波动情况。

示例里把n_init设为1，是为了关闭KMeans内部的多初始化逻辑，完全通过外部的n_runs循环来控制每次初始化的过程，这样就能完整记录每一次运行的训练时间和所有评估指标，方便后续分析不同初始状态对模型表现的影响。如果保留n_init>1，KMeans内部只会返回最优的那次结果，无法拿到每一次初始化的详细数据，也就没法做稳定性分析了。

内容的提问来源于stack exchange，提问作者JobHunter69