python - 如何指定聚类的距离函数？

Question

我想对给定距离的点进行聚类，但奇怪的是，似乎 scipy 和 sklearn 聚类方法都不允许指定距离函数。

例如，在 sklearn.cluster.AgglomerativeClustering 中，我唯一可以做的就是输入一个亲和矩阵(这将非常占用内存)。为了构建这个非常矩阵，建议使用 sklearn.neighbors.kneighbors_graph，但我不明白如何指定两点之间的距离函数。有人可以启发我吗？

Answer 1

所有 scipy 层次聚类例程都将接受一个自定义距离函数，该函数接受两个指定一对点的 1D 向量并返回一个标量。例如，使用 fclusterdata :

import numpy as np
from scipy.cluster.hierarchy import fclusterdata

# a custom function that just computes Euclidean distance
def mydist(p1, p2):
    diff = p1 - p2
    return np.vdot(diff, diff) ** 0.5

X = np.random.randn(100, 2)

fclust1 = fclusterdata(X, 1.0, metric=mydist)
fclust2 = fclusterdata(X, 1.0, metric='euclidean')

print(np.allclose(fclust1, fclust2))
# True

metric= kwarg 的有效输入与 scipy.spatial.distance.pdist 的相同.