python - 具有自定义指标的 DBSCAN

Question

我有以下内容:

• 一个数以千计的数据集

• 一种计算相似度的方法，但数据点本身我无法在欧几里德空间中绘制它们

我知道 DBSCAN 应该支持自定义距离度量，但我不知道如何使用它。

假设我有一个函数

def similarity(x,y):
    return  similarity ... 

我有一个可以成对传递给该函数的数据列表，在使用 scikit-learn 的 DBSCAN 实现时如何指定它？

理想情况下，我想做的是获取集群列表，但我一开始不知道如何开始。

还有很多术语让我感到困惑:

http://scikit-learn.org/stable/modules/generated/sklearn.cluster.DBSCAN.html

我如何传递特征数组，它是什么？我如何使这个实现符合我的需要？我怎样才能从这个算法中得到我的“子列表”？

Answer 1

“特征数组”只是数据集中数据点特征的数组。

metric 是您要查找的参数。它可以是字符串(内置指标的名称)或 callable .您的 similarity 函数是可调用的。这在文档中没有很好地描述，但是一个指标必须做到这一点，将两个数据点作为参数，并返回一个数字。

def similarity(x, y):
    return ...

reduced_dataset = sklearn.cluster.DBSCAN(metric=similarity).fit(dataset)