weka SimpleKMeans实现允许用户使用选项-s指定一个"种子值"。我不明白这是什么意思。在这个链接中，weka架构师Mark Hall说，它应该生成随机数。
Weka的实现应该遵循关于KMenas++的论文(如文档中提到的)，如果我理解的话，簇质心点是使用上述论文第3页第2.2节的等式1b来确定的，并且没有其他随机性来源。
谁能指出我错在哪里?
这是k-means算法的常见最佳实践(注意:k-means有不止一种算法;它们是启发式的，因为找到最优解据报道是np困难的)用不同的随机初始中心进行多次迭代。
所以随机性通常与初始中心的选择有关。k - meme++是一种选择初始种子的替代方法，幸运的是仍然是随机的(有一些不是随机的，所以你不能再尝试通过多次运行来改善你的结果)，但试图选择一个更好的开始情况。 为什么你要寻找另一个随机来源，而不是初始均值? 我不推荐Weka用于集群。它对分类来说还可以，但对聚类和其他无监督方法的支持非常有限。相反，看看ELKI吧。例如，他们的k-means包非常详尽。他们有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是从数据库中的k个随机对象开始。IIRC, mcqueen使用了前k个对象，所以这种变体不是随机的(除非你先洗牌你的数据集，这实际上是一个好主意，对于相当多的算法-永远不要使用排序的数据!)因此，大多数这些初始化器都带有一个参数-kmeans.seed，猜猜看，它允许您控制随机生成器的播种，以获得可重复的结果。