我想知道如果初始质心点是随机选择的，对于完全相同的数据集，我们是否能得到大致相同的质心点。

我正在编写一个测试kmeans程序，它们似乎并不匹配。我想知道我做的是否正确。

回答：

k-means算法需要对质心位置进行一些初始化。对于大多数算法，这些质心是通过某种方法随机初始化的，比如Forgy方法或随机分区，这意味着算法的重复迭代可能会收敛到非常不同的结果。

请记住，k-means是迭代的，在每个“移动质心”步骤中，每个质心都会移动到一个位置，以最小化其与其组成点的距离。这使得它在很大程度上依赖于起始位置。

因此，通常建议运行k-means多次，并选择最小化误差的聚类结果。