kmeans法でクラスタリングしたのですが正答率が低くなってしまう。

Question

前提・実現したいこと

kmeans法を用いたクラスタリングで、各クラスタに正しいデータが含まれていることを確認したい

発生している問題・エラーメッセージ

クラスタ分けは上手くいっているように見えるのですが正答率が異常に低かったりすることがあります
正しいクラスに分類する方法が分からず困っています

該当のソースコード

from matplotlib import pyplot as plt
from sklearn import datasets, preprocessing
from sklearn.cluster import KMeans
from sklearn.metrics import accuracy_score
import numpy as np
import pandas as pd
from sklearn.metrics import silhouette_samples
# datasetの読み込み
#data = datasets.load_iris()
data = datasets.load_wine()
#data = datasets.load_breast_cancer()
# DataFrameに変換
df = pd.DataFrame(data.data, columns=data.feature_names)
print(df.head())

# データの整形
#X=df[["sepal length (cm)","petal width (cm)"]]
X = df[["malic_acid","ash"]]
#X = df[["mean radius","mean texture"]]
sc=preprocessing.StandardScaler()
sc.fit(X)
X_norm=sc.transform(X)
# クラスタリング
cls = KMeans(n_clusters=3)
result = cls.fit(X_norm)
# 結果を出力
plt.scatter(X_norm[:,0],X_norm[:,1], c=result.labels_)
plt.scatter(result.cluster_centers_[:,0],result.cluster_centers_[:,1],s=250, marker='*',c='red')
plt.title('VABC-Kmeans clustering')
plt.show()
# シルエット値の計算
from sklearn.metrics import silhouette_samples
result = cls.fit_predict(X_norm)
silhouette_vals = silhouette_samples(X_norm,result,metric = 'euclidean')
silhouette_avg = np.mean(silhouette_vals)


from sklearn.metrics import accuracy_score
print(data.target)
print(cls.labels_)
accuracy_score(data.target,cls.labels_)

試したこと

何度か動作させると正答率が変化してしまい疑問に思いました。
元のデータのクラスとクラスタリング後のクラスを見比べて、配置はおおよそあっているのにクラスが違うため正答率が低くなっていると考えています。
ですが、正しいクラスに分類するする方法が分からず困っています。

補足情報（FW/ツールのバージョンなど）

python3.7.4 jupyter

Answer 1

k-means法は、初期値によって結果が変わります。
K-meansという教材に書かれているように
there is unfortunately no guarantee that a global minimum in the objective function will be reached.
(残念なことに、目的関数が最小値に到達する保証はない)ですので、初期値に依存するのです。
この教材ではその後に、どのような初期値を選ぶかの議論が書かれています。
0. 例外値をあらかじめ取り除く。
0. 初期値を変えて何度も実行して目的関数のコスト最小を選ぶ。
0. 他のクラスタリングアルゴリズムの結果を初期値にする。
というようにやりなさい、と書いてあります。

つまり、k-means法の結果が不安定なのは当然のことですので、そういうものだと思ってください。