对纬度/经度对使用自定义距离度量进行聚类

Posted 2023-03-12

【中文标题】对纬度/经度对使用自定义距离度量进行聚类

【英文标题】：Clustering using a custom distance metric for lat/long pairs

【发布时间】：2014-06-18 16:38:13

【问题描述】：

我正在尝试为 scikit-learn DBSCAN 实现指定自定义聚类函数：

def geodistance(latLngA, latLngB):
    print latLngA, latLngB
    return vincenty(latLngA, latLngB).miles

cluster_labels = DBSCAN(
            eps=500,
            min_samples=max(2, len(found_geopoints)/10),
            metric=geodistance
).fit(np.array(found_geopoints)).labels_

但是，当我打印出距离函数的参数时，它们根本不是我所期望的：

[ 0.53084126  0.19584111  0.99640966  0.88013373  0.33753788  0.79983037
  0.71716144  0.85832664  0.63559538  0.23032912]
[ 0.53084126  0.19584111  0.99640966  0.88013373  0.33753788  0.79983037
  0.71716144  0.85832664  0.63559538  0.23032912]

这是我的 found_geopoints 数组的样子：

[[  4.24680600e+01   1.40868060e+02]
 [ -2.97677600e+01  -6.20477000e+01]
 [  3.97550400e+01   2.90069000e+00]
 [  4.21144200e+01   1.43442500e+01]
 [  8.56111000e+00   1.24771390e+02]
...

那么为什么距离函数的参数不是纬度经度对呢？

【问题讨论】：

vincenty 是做什么的？你为什么看len(found_geopoints)？

形成集群的最小样本数取决于可用的地理点数。 vincenty 是en.wikipedia.org/wiki/Vincenty's_formulae

的实现

我是否得出结论 latLngA 和 latLngB 是相同的 - 都是 10 个元素长？您对 DBSCAN 了解多少？ found_geopoints 的总大小是多少？你在哪些单位工作？度数？

latLngA 和 latLngB 是相同的。 len(found_geopoints) == 83。我的工作是度数。几天前我第一次读到 DBSCAN。

ELKI（不是 python，而是 Java）内置了对大地距离的支持，以及全索引加速（使用 R*-trees）。这将在 O(n log n) 而不是 O(n^2) 中运行。

【参考方案1】：

我似乎找到了一种解决方法，可以使用以下方法计算距离矩阵： http://scikit-learn.org/stable/modules/generated/sklearn.metrics.pairwise.pairwise_distances.html 然后将其用作DBSCAN(metric='precomputed').fit(distance_matrix)的参数

【参考方案2】：

您可以使用 scikit-learn 做到这一点：使用具有球树算法的半正弦度量，并将弧度单位传递给 DBSCAN 拟合方法。

本教程演示了如何cluster spatial lat-long data with scikit-learn's DBSCAN使用harsine metric根据经纬度点之间的精确大地距离进行聚类：

df = pd.read_csv('gps.csv')
coords = df.as_matrix(columns=['lat', 'lon'])
db = DBSCAN(eps=eps, min_samples=ms, algorithm='ball_tree', metric='haversine').fit(np.radians(coords))

请注意，坐标以弧度单位传递给.fit() 方法，并且 epsilon 参数值也必须以弧度单位为单位。

如果您希望 epsilon 为 1.5 公里，那么以弧度为单位的 epsilon 参数值将 = 1.5/6371。