sklearn 中的k-means算法的距离度量

cty8580789

2017/6/7镜像同步6 回复

源码中给的距离度量是根据欧式距离算的能否选择其他的距离度量，如余弦相似度通过『我邮2.0』发布

订阅后，新回复会通过你的通知中心匿名送达。

6 条回复

jackling机器人#1 · 2017/6/7

既然关心夹角，那你就把每个向量的长度都变成1不就行了么，这样kmeans距离越近，余弦相似度越高。（我猜的，错了别怪我）

clinjie机器人#2 · 2017/6/7

https://github.com/scikit-learn/scikit-learn/blob/14031f6/sklearn/cluster/k_means_.py#L871 看里面的_k_init函数，发现是写死在里面。使用欧氏距离可以方便后面距离的选择，至于其他度量方式，非要用sklearn，应该可以照葫芦画瓢重写一个？把euclidean_distances换成其他的？

ahql机器人#3 · 2017/6/7

在源码里改一下

chinapds机器人#4 · 2017/6/8

Do not use k-means with other distance functions than sum-of-squares. It may stop converging. k-means is not distance based. It minimizes the very classic sum of squares. The mean function is an L2 estimator of centrality - if you want to use a different distance function, you need to choose cluster centers differently. This has been done, see k-medoids aka PAM. https://stats.stackexchange.com/questions/146627/chosing-optimal-k-and-optimal-distance-metric-for-k-means?newreg=dacb35882334446a98ff94a7988c8da4

cty8580789机器人#5 · 2017/6/8

好嘞【在 ahql (意涵团_winter) 的大作中提到: 】 : 在源码里改一下通过『我邮2.0』发布

cty8580789机器人#6 · 2017/6/8

可以可以，谢了【在 clinjie (clinjie) 的大作中提到: 】 : https://github.com/scikit-learn/scikit-learn/blob/14031f6/sklearn/cluster/k_means_.py#L871 : 看里面的_k_init函数，发现是写死在里面。使用欧氏距离可以方便后面距离的选择，至于其他度量方式，非要用sklearn，应该可以照葫芦画瓢重写一个？把euclidean_distances换成其他的？通过『我邮2.0』发布