我有一个 (x,y,z) 形式的 n 个坐标点的集合。这些存储在一个 n x 3 矩阵 M 中。
Julia 中是否有内置函数来计算每个点与其他点之间的距离？我正在处理少量点，因此计算时间不太重要。
我的总体目标是运行一个聚类算法，所以如果我可以查看不需要我首先计算这些距离的聚类算法，请也提出建议。我想对其执行聚类的数据示例如下。显然，我只需要为 z 坐标执行此操作。
【问题讨论】：
标签： julia hierarchical-clustering
为了完整回答@niczky12，Julia 中有一个名为Clustering 的包，顾名思义，它本质上允许您执行集群。
kmeans 算法示例：
>>> using Clustering # Pkg.add("Clustering") if not installed
>>> X = rand(3, 100) # data, each column is a sample
>>> k = 10 # number of clusters
>>> r = kmeans(X, k)
>>> fieldnames(r)
8-element Array{Symbol,1}:
:centers
:assignments
:costs
:counts
:cweights
:totalcost
:iterations
:converged
结果存储在包含上述字段的 kmeans (r) 的返回中。两个可能是最有趣的字段：r.centers 包含 kmeans 算法检测到的中心，r.assigments 包含 100 个样本中每个样本所属的集群。
同一个包中还有其他几种聚类方法。随意深入了解文档并应用最适合您需求的文档。
在您的情况下，由于您的数据是一个 N x 3 矩阵，您只需要转置它：
M = rand(100, 3)
kmeans(M', k)
【讨论】：
要计算距离，请使用Distances package。
给定一个矩阵X，您可以计算列之间的成对距离。这意味着您应该将您的输入点（N个对象）提供给矩阵的列。 （在您提到NX3矩阵的问题中，所以您必须使用transpose()函数转换。）
这是一个如何使用它的示例：
>using Distances # install with Pkg.add("Distances")
>x = rand(3,2)
3x2 Array{Float64,2}:
0.27436 0.589142
0.234363 0.728687
0.265896 0.455243
>pairwise(Euclidean(), x, x)
2x2 Array{Float64,2}:
0.0 0.615871
0.615871 0.0
如您所见，上面返回了X 的列之间的距离矩阵。如果需要，您可以使用其他距离指标，只需查看软件包的文档即可。
【讨论】：