如何使用余弦距离度量实现 K-Means 聚类算法？答案

【问题标题】：How is to implement K-Means clustering algorithm with Cosine Distance measure?如何使用余弦距离度量实现 K-Means 聚类算法？
【发布时间】：2021-03-16 16:00:31
【问题描述】：

我需要运行 K-means 聚类算法来聚类文本数据，但使用余弦距离测量而不是欧几里得距离。在 python 中有任何可靠的实现吗？

编辑：

我尝试过如下使用 NLTK：

NUM_CLUSTERS=3
kclusterer = KMeansClusterer(NUM_CLUSTERS, distance= 
            nltk.cluster.util.cosine_distance, repeats=25)

clstr = kclusterer.cluster(X, clusters=False, trace=False)
print (clstr)

但它给了我错误：

TypeError: sparse matrix length is ambiguous; use getnnz() or shape[0]

这里的 X 是一个形状为 (15, 155) 的 TF-IDF 矩阵。

【问题讨论】：

标签： python cluster-analysis k-means cosine-similarity

【解决方案1】：

您可以为此使用 NLTK。 NLTK 的 K-means 允许您指定要使用的距离度量。

nltk

【讨论】：

【解决方案2】：

如果你想自己做：https://stanford.edu/~cpiech/cs221/handouts/kmeans.html

只需更改距离测量条目。距离测量在伪代码i的for循环中。

【讨论】：