为何编写的Kmeans聚类程序每次运行生成的散点图结果都不一致
Kmeans运行结果每次变化的原因与代码修复
直接原因
- 未固定随机种子:初始质心通过
random.sample(range(data.shape[0]), no_clusters)随机选取,每次运行抽到的样本索引不同,初始质心位置不一致,直接导致聚类分配、散点着色逻辑完全变化。
隐藏逻辑漏洞
迭代流程完全空转,原循环代码存在变量赋值错误:
for i in range(0,iterations): centroids= cal_centroids(clusters,data,no_clusters) cluster= assign_clusters(centroids,data)
这里新得到的聚类标签存到了小写的cluster变量中,没有赋值回初始的clusters变量,下一轮计算质心时依然用最开始的初始聚类标签。哪怕设置100次迭代,实际一直重复执行相同的计算,质心不会基于最新的聚类结果更新。
修复方案
1. 固定随机种子,保证结果可复现
在导入库后直接添加以下代码,后续运行的随机逻辑完全一致:
RANDOM_SEED = 42 random.seed(RANDOM_SEED) np.random.seed(RANDOM_SEED)
2. 修复迭代循环的变量赋值错误
把循环内的小写cluster改为clusters,确保每一轮的聚类标签会被更新,质心计算使用最新的分配结果:
for i in range(0, iterations): # 基于当前最新的聚类标签计算新质心 centroids = cal_centroids(clusters, data, no_clusters) # 基于新质心重新分配样本,更新全局聚类标签 clusters = assign_clusters(centroids, data)
3. 可选健壮性与规范优化
- 避免空簇除零报错:修改
cal_centroids函数,增加空簇判断,防止某个簇无样本时触发count=0的除零错误:def cal_centroids(clusters, cluster_array, k): new_centroids = [] for c in range(k): x = 0 y = 0 count = 0 for i in range(len(clusters)): if clusters[i] == c: x += cluster_array[i][0] y += cluster_array[i][1] count += 1 # 空簇时随机选取一个样本作为临时质心 if count == 0: rand_idx = random.randint(0, cluster_array.shape[0]-1) new_centroids.append(list(cluster_array[rand_idx])) continue x /= count y /= count new_centroids.append([x, y]) return new_centroids - 规范文件读取逻辑:原
extract_file函数直接打开文件未主动关闭,改用with语句自动管理文件流:def extract_file(file_name): with open(file_name, 'r') as file: lines = [list(map(int, line.strip("\n").split(","))) for line in file] return np.array(lines)
修复后效果
- 每次运行的初始质心、迭代收敛过程完全一致,散点图不会随机变化
- 迭代逻辑真正生效,针对你提供的小数据集,通常2-3轮迭代就会收敛到符合预期的聚类结果:低坐标区样本归为一类,高坐标区样本归为另一类
内容的提问来源于stack exchange,提问作者Brandon Oson
相关产品推荐
相关产品推荐

