python - 在轨迹上运行 DBSCAN

Question

我正在尝试在轨迹数据集上运行 DBSCAN (sklearn.cluster)。数据集是数组(点)的数组(轨迹)的数组

数据集_测试=

array([[[46.37017059, 30.954216  ],
    [46.39661026, 30.94524956],
    [46.46545792, 30.94379807],
    [46.47494888, 30.94352913],
    [46.53890991, 30.94241714],
    [46.54576111, 30.95412064]],

   [[46.3741684 , 30.96355057],
    [46.40998077, 30.94839096],
    [46.43452072, 30.94845963],
    [46.47270966, 30.94708061],
    [46.48934174, 30.94626999],
    [46.5067749 , 30.94859695]],

   [[46.02920151, 31.13430023],
    [46.08929825, 31.13030052],
    [46.21580124, 31.04080009],
    [46.3125    , 30.96290016],
    [46.40140152, 30.95050049],
    [46.47000122, 30.94930077]],

   ...,

   [[44.21621323, 36.12607193],
    [44.35692596, 37.2990303 ],
    [44.42433167, 37.44826889],
    [44.47311783, 37.58980179],
    [44.50473022, 37.72211075],
    [44.52869034, 37.83360672]],

   [[41.54032898, 31.87997246],
    [41.60663986, 31.83249092],
    [41.63148117, 31.81200027],
    [41.67761993, 31.77362061],
    [41.69719315, 31.75731087],
    [41.7834549 , 31.68216133]],

   [[46.3062439 , 30.72232246],
    [46.298069  , 30.74869919],
    [46.28075409, 30.79483032],
    [46.2546196 , 30.86957932],
    [46.24847794, 30.96400261],
    [46.25270081, 30.97114944]]])

我定义了一个距离函数。运行时

从 sklearn.cluster 导入 DBSCAN
聚类 = DBSCAN(eps=3, min_samples=2, metric=hsdf_distance).fit(dataset_test)

我收到错误:

ValueError: Found array with dim 3. Estimator expected <= 2

有什么想法吗？

Answer 1

您可能遇到了 sklearn API 的限制。

但是，由于使用“pyfunc”方法来自定义距离度量无论如何都非常慢 - 并且不可扩展 - 您可能可以使用距离矩阵。无论如何，您不会从索引中受益太多。然后，生成 NxN 距离矩阵并使用 distance="precompulated" 通常会更快。

或者，您可以使用 ELKI 等工具，它不会对输入数据施加任何此类限制 - 它不需要是数字或数组。

特别是，当您还不知道要使用的 epsilon 和 minpts 的值时，使用预先计算的距离 Marie 非常有用，因为您可以多次重复使用它。

距离矩阵的明显缺点是 O(n²) 运行时间和内存需求，对于索引友好的数据集，通常可以减少这些需求。