如何使用带有 ELKI 库的距离矩阵对数据进行聚类？

Posted 2023-03-12

【中文标题】如何使用带有 ELKI 库的距离矩阵对数据进行聚类？

【英文标题】：How can I cluster data using a distance matrix with the ELKI library?

【发布时间】：2019-10-20 00:39:20

【问题描述】：

我有一个距离矩阵，我想在对数据进行聚类时使用该距离矩阵。

我已阅读 ELKI 文档，其中指出我可以在扩展 AbstractNumberVectorDistanceFunction 类时覆盖 distance 方法。

distance 类返回坐标。所以从坐标 x 到坐标 y。这很麻烦，因为距离矩阵只填充了距离值，我们使用索引来查找从index x 到index y 的距离值。这是文档中的代码：

public class TutorialDistanceFunction extends AbstractNumberVectorDistanceFunction 
  @Override
  public double distance(NumberVector o1, NumberVector o2) 
    double dx = o1.doubleValue(0) - o2.doubleValue(0);
    double dy = o1.doubleValue(1) - o2.doubleValue(1);
    return dx * dx + Math.abs(dy);
  

我的问题是如何在使用 ELKI 进行聚类时正确使用距离矩阵。

【参考方案1】：

AbstractNumberVectorDistanceFunction 是适当的父类仅如果您的输入数据是数字向量。如果您的数据类型是抽象对象标识符，则改为子类AbstractDBIDRangeDistanceFunction。然后你必须实现

double distance(int i1, int i2);

对于预先计算的距离，已经有不同的距离函数实现，例如DiskCacheBasedDoubleDistanceFunction，它对存储在磁盘上的距离矩阵进行内存映射。不过，我们应该添加一个DoubleMatrixDistanceFunction，以便在 Java 中直接使用（在下一个版本中，所有类名和包名都将缩短，顺便说一句）。

另见：https://elki-project.github.io/howto/precomputed_distances 特别是标题为“在没有原始数据的情况下使用”的部分，介绍了在仅使用距离矩阵时如何设置没有原始数据的数据库。

【讨论】：

这是否支持非对称矩阵？