K-means聚类自定义距离计算

2024-04-19 02:12:30

如果你想自己定义一个距离的function的话，scikit-learn是不行的，只支持Euclidean distance

如果你觉得spark可以的话，实际上sprk的k-means也是不行的，好一点的是支持Euclidean distance，还支持cosine distance

如果你想自己定义function处理的话，二个方法：

1、自己实现算法，可参考的文档：

一个简单的讲解

https://medium.com/machine-learning-algorithms-from-scratch/k-means-clustering-from-scratch-in-python-1675d38eee42

一个简单的代码：

https://github.com/pavankalyan1997/Machine-learning-without-any-libraries/tree/master/2.Clustering/1.K_Means_Clustering

这个代码仓库有很多实现不依赖于第三方库

stackoverflow的高赞的回答也实现了一个简单的

https://stackoverflow.com/questions/5529625/is-it-possible-to-specify-your-own-distance-function-using-scikit-learn-k-means

自己实现算法的问题：即使不考虑扩展性，也需要考虑实现多线程版本，还需要看训练的精度

2、找其他开源的项目

参考： https://stackoverflow.com/questions/5529625/is-it-possible-to-specify-your-own-distance-function-using-scikit-learn-k-means

可以引用的nltk的库：

from nltk.cluster.kmeans import KMeansClusterer
NUM_CLUSTERS = <choose a value>
data = <sparse matrix that you would normally give to scikit>.toarray()kclusterer = KMeansClusterer(NUM_CLUSTERS, distance=nltk.cluster.util.cosine_distance, repeats=25)
assigned_clusters = kclusterer.cluster(data, assign_clusters=True)

可以引用pyclustering 的库

from pyclustering.cluster.kmeans import kmeans
from pyclustering.utils.metric import type_metric, distance_metricuser_function = lambda point1, point2: point1[0] + point2[0] + 2
metric = distance_metric(type_metric.USER_DEFINED, func=user_function)# create K-Means algorithm with specific distance metric
start_centers = [[4.7, 5.9], [5.7, 6.5]];
kmeans_instance = kmeans(sample, start_centers, metric=metric)# run cluster analysis and obtain results
kmeans_instance.process()
clusters = kmeans_instance.get_clusters()
对应github地址：https://github.com/annoviko/pyclustering

可以引用tslearn

if you’re clustering time series, you can use the tslearn python package, when you can specify a metric (dtw, softdtw, euclidean).

K-means聚类自定义距离计算相关推荐

OpenCV官方文档理解k - means聚类
理解k - means聚类目标在这一章中,我们将了解k - means聚类的概念,它是如何工作等. 理论我们将这个处理是常用的一个例子. t恤尺寸问题考虑一个公司要发布一个新模型的t恤. 显然 ...
OpenCV的k - means聚类 -对图片进行颜色量化
OpenCV的k - means聚类目标学习使用cv2.kmeans()数据聚类函数OpenCV 理解参数输入参数样品:它应该的np.float32数据类型,每个特性应该被放在一个单独的列. ...
k means聚类算法_K-Means 聚类算法 20210108
说到聚类,应先理解聚类和分类的区别聚类和分类最大的不同在于:分类的目标是事先已知的,而聚类则不一样,聚类事先不知道目标变量是什么,类别没有像分类那样被预先定义出来. K-Means 聚类算法有很多种 ...
k means聚类算法_一文读懂K-means聚类算法
1.引言什么是聚类?我们通常说,机器学习任务可以分为两类,一类是监督学习,一类是无监督学习.监督学习:训练集有明确标签,监督学习就是寻找问题(又称输入.特征.自变量)与标签(又称输出.目标.因变量) ...
聚类——基于距离阈值的聚类算法
基于距离阈值的聚类算法 1.最大最小距离算法算法思想对待分类模式样本集以最大距离选取新的聚类中心,以最小距离原则进行模式归类. 算法步骤从N个样本集中的任选取一个样本,作为第一个聚类中心 z 1 ...
机器学习（十四）：K均值聚类(kmeans)
k均值聚类方法是一种无监督机器学习技术,用于识别数据集中的数据对象集群.有许多不同类型的聚类方法,但k -means是最古老和最平易近人的方法之一.这些特性使得在 Python 中实现k -means ...
scikit-learn库中聚类算法自定义距离度量方式
scikit-learn是非常漂亮的一个机器学习库,在某些时候,使用这些库能够大量的节省你的时间,至少,我们用Python,应该是很难写出速度快如斯的代码的. scikit-learn官方出了一些文档 ...
k均值聚类算法(K Means)及其实战案例
算法说明 K均值聚类算法其实就是根据距离来看属性,近朱者赤近墨者黑.其中K表示要聚类的数量,就是说样本要被划分成几个类别.而均值则是因为需要求得每个类别的中心点,比如一维样本的中心点一般就是求这些样本 ...
聚类性能度量指标及距离计算
Python实现KMeans算法 1.外部指标将聚类结果与某个"参考模型进行比较" 每次抽出两个样本,讨论所属聚类结果和参考模型,确定四个值: a:聚类结果同属于一类,参考模型同 ...

最新文章

热门文章