一、初始质心选择问题

在 K-Means 中有一个重要的环节，就是放置初始质心。如果有足够的时间， Kmeans 一定会收敛，但inertia（簇内误差平方和）可能收敛到局部最小值。是否能够收敛到真正的最小值很大程度上取决于质心的初始化。 init 就是用来帮助我们决定初始化方式的参数。

初始质心放置的位置不同，聚类的结果很可能也会不一样，一个好的质心选择可以让 K-Means 避免更多的计算，让算法收敛稳定且更快。为了优化选择初始质心的方法， 2007年Arthur, David, and Sergei Vassilvitskii三人发表了论文“kmeans++:The advantages of careful seeding”，他们开发了 ”k-means ++“初始化方案，使得初始质心（通常）彼此远离，以此来引导出比随机初始化更可靠的结果。

二、质心初始化参数init的说明

可输入"k-means++"， "random"或者一个 n 维数组
（1）初始化质心的方法，默认"k-means++"
（2）输入"k-means++"：一种为 K 均值聚类选择初始聚类中心的聪明的办法，以加速收敛。
（3）输入"random" 表示随机从训练数据中选取初始质心。
（4）如果输入了 n 维数组，数组的形状应该是(n_clusters， n_features)并给出初始质心