为什么DBI使用局部随机种子和确定好的开始值相同的K-Means

anindyaranianindyarani 成员职位:3.新手
在帮助
嗨，我正在使用K-Means和奇异值分解(SVD)研究文本聚类。我使用参数本地随机种子和确定好的开始值来显示不同。但是，使用本地随机种子生成的DBI值始终与确定良好的起始值相同，即使我试图输入一个随机数。有人能解释一下吗?
标记:

答案

  • MartinLiebigMartinLiebig 管理员，版主，员工，RapidMiner认证分析师，RapidMiner认证专家，大学教授职位:3362年RM数据科学家
    你好,
    您能在这里提供一个示例流程吗?
    我认为原因有两方面。要么是一个bug，要么只是算法很好地收敛到完全相同的意思，无论你从哪里开始。我的意思是，无论如何，这是你理想的愿望。

    BR,
    马丁
    - RapidMin乐鱼平台进入er数据科学服务主管
    德国多特蒙德
  • anindyaranianindyarani 成员职位:3.新手
    1月23日编辑
    设计过程和设置参数(k-Means)


    参数计算


    所以我正在做K-Means和K-Means &SVD之间的算法比较，我也在做确定良好起始值和局部随机种子部分的变化。所以后面我将比较4种不同参数设置的算法。
登录或注册置评。