DOB、Gender、State、pincode、transaction_id、promocodeなどの属性を持つ特定のデータセットに基づいて顧客をグループ化しようとしています。K平均アルゴリズムのシード値を入れる方法は？
シルエットスコアには大きな違いがあります。前のものからのクラスタリング、すなわち結果は一貫していない。 これはおそらく、データセットに対するランダムなシードのためです。アルゴリズムに属性を渡す行は次のとおりです。
km1 = KMeans(n_clusters=6, n_init=25, max_iter = 600)
クラスタを割り当てるか、毎回の後、私はプログラムを実行するように最適化する方法はあります、スコアが一貫して良いですか？
私はscikit-learnでPython 3を使用しています。
scikit-learnのように見えます（私は推測しています）。この場合
は、ちょうど使用：上記のリンクで説明したようにMYSEEDは整数、RandomStateオブジェクトまたはNone（デフォルト）とすることができる
km1 = KMeans(n_clusters=6, n_init=25, max_iter = 600, random_state=MYSEED)
を。
これが意味：
km1 = KMeans(n_clusters=6, n_init=25, max_iter = 600, random_state=0)
が決定論的結果を誘導されます。
備考：これはk-ランダム性を意味します。あなたのデータに分割/ CVを行った場合は、これらの操作を確定的にする必要があります！
random_state=を固定値に修正できます。しかし、あなたが結果が好きになるまでこの値を微調整しないでください。
k-meansが開始条件に敏感である場合（つまり、「品質」が大きく異なる場合）、これは通常、アルゴリズムがこのデータに対して非常にうまく機能しないことを示します。 の場合、が良好なk-meansクラスタリングがあることが示されています。ほとんどの場合、少なくともが閉じるになります。だからn_init=25の場合は、の場合、良い解決策が見つかるはずです。には1つあります。しかし、k-means はが良い解決策を見つけることができない多くのデータセットがあります！
ここではどのような言語とフレームワークを使用していますか？ Scikitを学ぶPythonですか？明確にしてください（特定のタグ付けも仕事をすることができます）... – desertnaut