在K-means聚类算法中，随机初始化和随机k值对算法的稳定性有重要影响。根据Kuncheva和Vetrov的研究，他们使用10个人工和10个真实数据集来研究集群稳定性与随机k和随机初始化的关系。他们发现，集群算法的稳定性被定义为集群算法对的调整Rand指数，平均在所有对之间。非对稳定性被定义为集群矩阵的熵。他们的结果显示，集群算法通常更稳定，尤其是对于较大的k值。他们还提出了一个新的稳定性指数，即对的稳定性和集群稳定性的总和，这个指数与集群的准确性更好地相关 。
在K-means聚类算法中，随机初始化和随机k值对算法的稳定性有重要影响。根据Kuncheva和Vetrov的研究，他们使用10个人工和10个真实数据集来研究集群稳定性与随机k和随机初始化的关系。他们发现，集群算法的稳定性被定义为集群算法对的调整Rand指数，平均在所有对之间。非对稳定性被定义为集群矩阵的熵。他们的结果显示，集群算法通常更稳定，尤其是对于较大的k值。他们还提出了一个新的稳定性指数，即对的稳定性和集群稳定性的总和，这个指数与集群的准确性更好地相关 。