python - scikit-learn 谱聚类的输入值可以是负值吗？

Question

假设我的 df 为 20 列和 10K 行。由于数据的取值范围很广，我使用以下代码对数据进行归一化:

from sklearn.preprocessing import StandardScaler
min_max_scaler = preprocessing.StandardScaler()
df_scaled = min_max_scaler.fit_transform(df)

df_scaled 现在包含负值和正值。现在，如果我将这个归一化数据帧传递到谱簇，如下所示，

spectral = SpectralClustering(n_clusters = k, 
                                  n_init=30,
                                  affinity='nearest_neighbors', random_state=cluster_seed,
                                  assign_labels='kmeans')
 clusters =  spectral.fit_predict(df_scaled)

我会得到集群标签。

这让我感到困惑:official doc说“仅应使用产生相似性分数(随相似性增加的非负值)的内核。聚类算法不会检查此属性。”

问题:df_scaled归一化负值是否会影响聚类结果？或者它是否取决于我正在使用的亲和性计算，例如预计算，rbf？如果是这样，我如何使用 SpectralClustering 的归一化输入值？我的理解是，归一化可以改善聚类结果，并且有利于更快的计算。感谢您提供有关如何解决该问题的任何帮助或提示。

Answer 1

您正在传递一个数据矩阵，而不是预先计算的亲和性矩阵。

“最近邻居”使用非负的二进制内核。

为了更好地理解内部工作原理，请查看源代码。