python - 使用 Python 的 KMeans 算法聚类地理位置坐标(lat，long 对)

Question

使用以下代码对地理位置坐标进行聚类会产生 3 个聚类:

    import numpy as np
    import matplotlib.pyplot as plt
    from scipy.cluster.vq import kmeans2, whiten

    coordinates= np.array([
               [lat, long],
               [lat, long],
                ...
               [lat, long]
               ])
    x, y = kmeans2(whiten(coordinates), 3, iter = 20)  
    plt.scatter(coordinates[:,0], coordinates[:,1], c=y);
    plt.show()

使用 Kmeans 进行位置聚类是否正确，因为它使用 Euclidean distance而不是 Haversine formula作为距离函数？

Answer 1

出于您提到的原因，k-means 不是用于空间聚类的好算法。相反，您可以使用 scikit-learn 的 DBSCAN 以及半正弦度量和球树算法来完成此聚类作业。

本教程演示了 clustering latitude-longitude spatial data使用 DBSCAN/haversine 并避免所有这些欧氏距离问题:

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，这特别使用了 scikit-learn v0.15，因为一些较早/较晚的版本似乎需要计算完整的距离矩阵。另请注意，eps 值以弧度为单位，并且 .fit() 采用半正弦度量的以弧度为单位的坐标。