You need to enable JavaScript to run this app. 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
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.28 09:54:04