sklearn kmeans.predictメソッドdosnt work correct

Question

私はk-meansメソッドを実装するためにsklearnを使いました。 k-meansクラスには、 "predict"というメソッドがあります。訓練されたサンプルに基づいて新しいサンプルを予測する。

from sklearn.datasets import make_blobs 
from matplotlib import pyplot as plt 
from sklearn.cluster import KMeans 
from sklearn.metrics import adjusted_rand_score 
''' 
make sample 
''' 
X, y=make_blobs(n_samples=100, n_features=2, centers=3) 

''' 
kmeans 
''' 
kmeans_obj=KMeans(n_clusters=3) 

#train 
kmeans_obj.fit(X) 

#labels: 
labels=kmeans_obj.predict(X) 


''' 
output 
''' 
plt.scatter(X[:,0], X[:,1], c=labels) 
plt.show() 

''' 
generate new samples and predict them 
''' 
while True: 
    ''' 
    perdict kmeans?!?!?!? 
    ''' 
    new_X, new_y=make_blobs(n_samples=50, n_features=2, centers=4) 

    perdict_new_sample_lables=kmeans_obj.predict(new_X) 

    plt.scatter(X[:,0], X[:,1], c=labels) 
    plt.scatter(new_X[:,0], new_X[:,1], c=perdict_new_sample_lables, marker="x") 
    plt.show() 

時にはそれがOKに動作します：

時にはそれがない：絵で

円形状はデータセットを訓練されています。絵の十字形は予測した新しい要素です。

ここでの問題は、決定的で非決定的な結果ではありません。すべての実行で非決定論的なアルゴリズムの出力変化で。ここの結果は完全に間違っています!! in picture 2紫色の十字は緑色でなければならない

Answer 1

K平均は決定論的なアルゴリズムではなく、クラスタの割り当てはデータの分布とアルゴリズムのランダム性によって異なります。 k-meansのrandom_stateパラメータを使用するrandom.seed（）関数を使用してシードを設定することで、この問題に対処することができます。このの詳細については以下のページを参照してください：

• http://www.datasciencecentral.com/forum/topics/k-means-clustering-effect-of-random-seed
• Changes of clustering results after each time run in Python scikit-learn
• https://gist.github.com/naufraghi/457394