sklearn 库中的哪种无监督聚类算法可以用于自定义距离？答案

【问题标题】：Which unsupervised clustering algorithm from the sklearn library can I use with custom distance?sklearn 库中的哪种无监督聚类算法可以用于自定义距离？
【发布时间】：2014-10-16 09:13:29
【问题描述】：

我有一个函数，它将两个样本作为输入并返回它们的距离，我从这个函数中定义了一个度量

def TwoPointsDistance(x1, x2):
    cord1 = f.rf.apply(x1)
    cord2 = f.rf.apply(x2)
    return 1 - (cord1==cord2).sum()/f.n_trees

metric = sk.neighbors.DistanceMetric.get_metric('pyfunc',
                                                     func=TwoPointsDistance)

现在我想根据这个指标对我的数据进行聚类。我希望看到一些将其用作距离度量的无监督聚类算法示例。

编辑：我对这个算法特别感兴趣： http://scikit-learn.org/stable/modules/generated/sklearn.cluster.DBSCAN.html#sklearn.cluster.DBSCAN

编辑：我试过了

DBSCAN(metric=metric, algorithm='brute').fit(Xor)

但我收到一个错误：

>>> Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python3.4/dist-packages/sklearn/cluster/dbscan_.py", line 249, in fit
    clust = dbscan(X, **self.get_params())
  File "/usr/local/lib/python3.4/dist-packages/sklearn/cluster/dbscan_.py", line 100, in dbscan
    metric=metric, p=p)
  File "/usr/local/lib/python3.4/dist-packages/sklearn/neighbors/unsupervised.py", line 83, in __init__
    leaf_size=leaf_size, metric=metric, **kwargs)
  File "/usr/local/lib/python3.4/dist-packages/sklearn/neighbors/base.py", line 127, in _init_params
    % (metric, algorithm))
ValueError: Metric '<sklearn.neighbors.dist_metrics.PyFuncDistance object at 0x7ff5c299f358>' not valid for algorithm 'brute'
>>>

【问题讨论】：

标签： python scikit-learn cluster-analysis

【解决方案1】：

多年后的今天，我仍然在不同的背景下偶然发现了这一点。解决方案很简单：直接将函数作为指标传递。

BSCAN(metric=TwoPointsDistance, algorithm='brute').fit(Xor)

【讨论】：

【解决方案2】：

我试图弄清楚为什么会出现这个错误...我首先认为sklearn.neighbors.NearestNeighbors（这是 DBSCAN 的基础）将被限制在sklearn.neighbors.base.VALID_METRICS["brute"] 中列出的那些距离。但是从源码来看，任何callable函数都应该没问题——看来你的距离是不可调用的？

请试试这个：

DBSCAN(metric=TwoPointsDistance, algorithm='brute').fit(Xor)

即无需将您的距离包装为neighbors.DistanceMetric。现在允许在这里使用这些对我来说似乎有点不一致......

我自己，我在自定义距离函数上使用 ELKI 取得了巨大成功，并且有一个关于如何编写这些可用的简短教程：http://elki.dbs.ifi.lmu.de/wiki/Tutorial/DistanceFunctions

【讨论】：

感谢您的回答。最后，我找到了解决方法。我计算了样本之间的距离并将其保存在大小为 n_samples x n_samples 的矩阵 d 中。然后我使用了预先计算的度量和矩阵 d 作为输入。