用于距离聚类的Python库

Question

我正在寻找一个python库来将一组坐标组织成簇。我的输入是（纬度，经度）坐标的列表，我想得到一个根据距离对它们进行分组的聚类列表。

我不知道我需要获得多少个集群，所以我不能使用类似K-Means的东西（比如cluster module）算法（至少不是一个人，也许我有一个我可以使用算法根据输入数据获得该数字。

我也查看了clusterpy，但这项任务似乎过于复杂，而且文档也不是很有指导性。

Answer 1

您可能需要查看DBSCAN (Wikipedia)和OPTICS (Wikipedia)等算法。我不知道是否有任何好的Python实现。我在这里提到的OPTICAL上提到的那个似乎非常不正确和不完整。 DBSCAN很简单，你可以自己实现它。

一些主要好处：

• 您可以使用大圆距离，这更适合纬度/经度坐标。 K-means因为180°的环绕而存在问题 - 平均值不稳定
• 您需要设置两个阈值：半径epsilon（仅限DBSCAN），其中上述距离以公里为单位，大致为最小簇大小。根据您的使用情况，该参数应该很容易设置。
• 如果您有空间索引，则可以将算法加速到O(n log n)。
• 群集数量不需要启发式算法！

Answer 2

我会推荐scikit learn。链接页面对不同的聚类算法进行了很好的讨论。对于地理集群（如上文所述，建议使用DBSCAN）。

Answer 3

几年前我使用Python完成基因序列完全相同的事情，它是完全可行的。

要从初始数据中获得最佳数量的聚类，您需要使用惩罚器。在Hastie-Tibshirani-Friedman的“统计学习要素”一书中，有一篇很好的部分解释了如何做到这一点：http://www-stat.stanford.edu/~tibs/ElemStatLearn/

这是我从中学到的，希望它有所帮助！

Answer 4

我有一些朋友使用NetWorkX来解决这类问题。它编写得非常好，文档也很好。