r - 聚类：平方内和的两个不同值

Question

我正在做一个聚类分析，我有两个问题：

1. 我用这两种方法发现了平方和的两个不同值：

1/ 这里建立的第一种方法：http : //www.statmethods.net/advstats/cluster.html

set.seed(180)
wss <- (nrow(mydata)-1)*sum(apply(mydata,2,var)) 

for (i in 1:8)
wss[i] <- sum(kmeans(mydata, 
     centers=i)$withinss)

wss
[1] 2244832.0 1707497.8 1514193.9 1131349.7  990028.8  698772.0  683106.4  522783.8

2/ 第二种方法

set.seed(180)    
fit <- kmeans(mydata, 5) 

fit$tot.withinss
[1] 857443.8

正如你所看到的 990 028 !=857 443 即使我使用了“set.seed”

Statmethods网站的公式有错误吗？

最后，有时 wss 会随着集群的数量而增加。没关系还是不可能？

Answer 1

set.seed在第一个示例中使用 kmeans(data, 5) 之前，您使用了随机数生成器，但您也做了很多工作。您可能会得到不同的集群解决方案。如果您只看sum(fit$withinss)它应该匹配fit$tot.withinss给定的集群解决方案。虽然涉及到一些随机性，所以如果你想要同样的东西，你需要确保正确设置种子。

Answer 2

通过设置初始值centers，您可以有效地提供手动种子。

k-means 仅在初始生成中心时使用随机种子。

所以事实上，你提供了两种不同的初始化，因此你不应该对得到不同的结果感到惊讶。K-means 只找到局部最优值。