python - 在 Python 中使用自定义距离函数对任意对象进行聚类

Question

我有一个 Python 对象列表，我想将这些对象聚集到未知数量的组中。这些对象不能简单地通过 scikit-learn 提出的任何距离函数进行比较，而是通过自定义定义的距离函数进行比较。我正在使用 scikit-learn 库中的 DBSCAN，当在我的数据上运行时会引发 TypeError。
这是错误代码的样子。我想要聚类的对象是通过扫描 3d 网格获得的“补丁”对象:

from sklearn.cluster import DBSCAN

def getPatchesSimilarity(patch1, patch2):
    ... #Logic to calculate distance between patches
    return dist 

#Reading the data (a mesh object) and extracting its patches
mesh = readMeshFromFile("foo.obj")
patchesList = extractPatchesFromMesh(mesh)

clustering = DBSCAN(metric = getPatchesSimilarity).fit(np.array([[patch] for patch in meshPatches]))

运行时，此代码产生以下错误:

TypeError: float() argument must be a string or a number, not 'Patch'

这似乎意味着 scikit-learn 提出的 DBSCAN 算法不适用于非向量或字符串的值？
我也尝试过只使用补丁的索引，以便传递的数据是数字的，但它也不起作用。现在可行的最后一个解决方案是使用距离矩阵，但是对象的数量非常大，我的计算机无法存储这样的矩阵。

Answer 1

简短回答:对这两个部分都不是。

“Adding an API for user-defined distance functions in clustering ” 自 2012 年以来一直是一个悬而未决的问题。( 编辑 :我错过了一个部分: DBSCAN 确实支持传递 metric 可调用，但这仍然必须针对向量表示)。

任何调用 .fit必须成功通过 check_array .

一种解决方案是实现一种将对象转换为列表/向量的方法:

import numpy as np
data = np.array([[-0.538,-0.478,-0.374,-0.338,-0.346,0.230,0.246,0.366,0.362,0.342],[0.471,0.559,0.411,0.507,0.631,0.579,0.467,0.475,0.543,0.659]]).T

class Point:
    def __init__(self, x, y):
        self.x = x
        self.y = y

    def to_list(self):
        return [self.x, self.y]

    def __repr__(self):
        return str(self.__class__.__name__) + "(" + str(self.x) + "," + str(self.y) + ")"

points = [Point(*xy) for xy in data]
# [Point(-0.538,0.471), Point(-0.478,0.559), ... , Point(0.342,0.659)]

然后你可以对向量表示进行聚类:

from sklearn.cluster import KMeans

points_vector = np.array([point.to_list() for point in points])
# [[-0.538  0.471]
#  [-0.478  0.559]
#  ...
#  [ 0.342  0.659]]

cluster = KMeans(n_clusters=2)
cluster.fit(points_vector)

为任意 Python 对象列表实现聚类算法可能是可能的(我发现了一个可能接近的 cluster 库)。如果有人尝试过，我会很感兴趣。