将 K 平均聚类距离度量更改为堪培拉距离或 python 上的任何其他距离度量

Posted 2023-03-12

【中文标题】将 K 平均聚类距离度量更改为堪培拉距离或 python 上的任何其他距离度量

【英文标题】：Changing K mean clustering distance metric to canberra distance or any other distance metric on python

【发布时间】：2020-04-20 14:31:17

【问题描述】：

如何将 k 均值聚类的距离度量更改为堪培拉距离或任何其他距离度量？据我了解，sklearn 只支持欧几里得距离，而 nltk 似乎不支持堪培拉距离，但我可能错了。谢谢！

【问题讨论】：

看看这个stats.stackexchange.com/questions/81481/…

【参考方案1】：

from scipy.spatial import distance
from nltk.cluster.kmeans import KMeansClusterer

obj = KMeansCluster(num_cluster, distance = distance.canberra) 

【讨论】：

可能 (A) 无法收敛 - k 均值 仅 最小化平方和，而不是距离，并且 (B) 性能会很慢。

@Anony-Mousse -Reinstate Monica 那我应该如何处理它？目前代码还在运行很长时间...

@qaiser 它是一个尝试各种距离度量的项目，而且数据集有很多特征，30 到 60 个特征

有兴趣的可以参考这篇论文，当然我不是作者，但是在做类似journals.plos.org/plosone/article/file?id=10.1371/…

不能推荐 PLOS 论文。它的质量相当差。给出的一些复杂性是错误的 - 不要向复杂性理论的人表明这一点。他们显然存在许多距离应该总是产生相同结果但没有的数值问题；当然，他们不应该使用一些带有 k-means 的度量，所以难怪 k-medoids 通常效果更好......