weka SimpleKMeans实现允许用户使用选项 -s 指定“种子值”。我不明白这意味着什么。在这个链接中，weka 架构师 Mark Hall 说它应该生成随机数。
Weka 实现应该遵循KMenas++上的论文（如文档中所述），如果我理解了，集群质心点是使用上述论文中的第 2.2 页第 3 页的方程 1b 确定的，并且没有其他来源的随机性。
谁能指出我做错了什么？
问问题
8168 次
1 回答
5
使用 k-means 算法（注意：k-means 算法不止一种；它们是启发式的，因为据报道找到最佳解决方案是 NP 难的）使用不同的随机初始中心进行多次迭代是一种常见的最佳实践.
因此，随机性通常与选择初始中心有关。K-means++ 是选择初始种子的另一种方法，幸运的是仍然是随机的（有些不是随机的，所以你不能再尝试通过多次运行来改善你的结果），但会尝试选择更好的起始情况。
你为什么要寻找另一个随机来源而不是初始手段？
我不推荐 Weka 进行集群。分类是可以的，但它对聚类和其他无监督方法的支持非常有限。相反，看看 ELKI。例如，他们的k-means 包非常详尽。他们有大约 6 种不同的方法来选择初始均值。大多数是随机的。最简单和最常见的初始化可能只是从数据库中的 k 个随机对象开始。IIRC，MacQueen 使用了前 k 个对象，因此该变体不是随机的（除非您先对数据集进行洗牌，这对于相当多的算法来说实际上是一个好主意 - 永远不要使用排序数据！）因此，这些初始化程序中的大多数将带有参数-kmeans.seedwhich - 猜猜 - 允许您控制随机生成器播种，以获得可重复的结果。
于 2013-05-23T09:03:52.530 回答