Как обеспечить центроиды кластеров в k означает, что алгоритм не переключается каждый раз?

У меня есть CSV-файл, который выглядит как показано ниже

date                       mse                                                  
2018-02-11                 14.34
2018-02-12                 7.24
2018-02-13                 244.5
2018-02-14                 3.5
2018-02-16                 12.67
2018-02-21                 45.66
2018-02-22                 15.33
2018-02-24                 98.44
2018-02-26                 23.55
2018-02-27                 45.12
2018-02-28                 78.44
2018-03-01                 34.11
2018-03-05                 23.33
2018-03-06                 127.45
...                        ...   
...                        ...

Теперь я пытаюсь применить k означает к значениям mse, чтобы получить 2clusters, который дает мне 2centroids по одному для каждого. Теперь мне дано значение mse, и мне нужно найти, какой из двух centroids ближе к заданному значению mse. сделай что-нибудь вроде этого

from sklearn.cluster import KMeans
import pandas as pd

centroid_list = []
given_mse = 7.382409087
kmeans = KMeans(n_clusters=2)
df = pd.read_csv("data.csv", parse_dates=["date"])
kmeans.fit_predict(df[['mse']])
centroid_list.append(kmeans.cluster_centers_.ravel())
#print(centroids_list)  # array([  153.27996598, 19810.6925875 ]
for i in centroids_list:
t1 = abs(given_mse - i[0])
t2 = abs(given_mse - i[1])
if t1 < t2:
   result.append("label 1")
   else:
   result.append("label 2")
print(result)  # ['label1']

Теперь, как вы можете видеть, я получил два значения centroid: 153.27996598 и 19810.6925875, назначенные каждому кластеру.

Проблема в том, что он часто переключает значения [(x, y) или (y, x)], когда вы запускаете программу, из-за чего я получаю конечный результат либо как label1, либо как иногда label2.

Есть идеи, как это исправить. Есть ли какой-нибудь метод sckit-learn, чтобы предотвратить это переключение?