使用空间和时间变量在 python(scipy) 中进行聚类答案

【问题标题】：Clustering in python(scipy) with space and time variables使用空间和时间变量在 python(scipy) 中进行聚类
【发布时间】：2013-09-15 06:51:52
【问题描述】：

我的数据集的格式： [x-coordinate, y-coordinate, hour] 小时为 0 到 23 之间的整数值。

我现在的问题是，当我需要一个欧几里德距离度量作为坐标时，我如何对这些数据进行聚类，但是对于小时而言，我需要一个不同的度量（因为 d(23,0) 在欧几里得距离度量中是 23）。是否可以为 scipy 中的每个特征用不同的距离度量对数据进行聚类？如何？

谢谢

【问题讨论】：

你想使用什么聚类技术？
目前我正在尝试使用 kmeans，但是任何能够产生良好结果的聚类方法都可以。
你有信心它会收敛吗？我会这样做的方法是使用我自己的修改来修改VQ function，并根据每次迭代的字典进行修改。我认为这样做不会太难。
如果不同度量的距离选择得当，它应该会收敛，目前我正在尝试重写 kmeans 算法的一部分，以便它可以处理每个特征的不同距离度量。由于我对 python 很陌生，但这可能需要一段时间。但我觉得这是唯一的解决方案。
添加了回复，而不是搜索聚类是什么，n发现您并不是真的只想计算一侧（x0，y0）和（x1，y1）之间的距离和时间差在另一侧的 (h0) 和 (h1) 之间，但使用一个数据结构 - 如果这就是你想要做的，我可以取消删除我的回复

【解决方案1】：

您需要定义自己的指标，以适当的方式处理“时间”。在scipy.spatial.distance.pdist 的文档中，您可以定义自己的函数

Y = pdist(X, f)

使用用户提供的 2 元函数 f 计算 X 中所有向量对之间的距离。 [...] 例如，向量之间的欧几里得距离可以计算如下：

dm = pdist(X, lambda u, v: np.sqrt(((u-v)**2).sum()))

可以通过 metric 关键字将指标传递给任何 scipy 聚类算法。例如，使用linkage:

scipy.cluster.hierarchy.linkage(y, method='single', metric='euclidean')

【讨论】：