我试图为scikit-learn DBSCAN实现指定自定义群集功能:
def geodistance(latLngA, latLngB):
print latLngA, latLngB
return vincenty(latLngA, latLngB).miles
cluster_labels = DBSCAN(
eps=500,
min_samples=max(2, len(found_geopoints)/10),
metric=geodistance
).fit(np.array(found_geopoints)).labels_
但是,当我打印出距离函数的参数时,它们根本不是我所期望的:
[ 0.53084126 0.19584111 0.99640966 0.88013373 0.33753788 0.79983037
0.71716144 0.85832664 0.63559538 0.23032912]
[ 0.53084126 0.19584111 0.99640966 0.88013373 0.33753788 0.79983037
0.71716144 0.85832664 0.63559538 0.23032912]
这就是我的found_geopoints数组的样子:
[[ 4.24680600e+01 1.40868060e+02]
[ -2.97677600e+01 -6.20477000e+01]
[ 3.97550400e+01 2.90069000e+00]
[ 4.21144200e+01 1.43442500e+01]
[ 8.56111000e+00 1.24771390e+02]
...
那么为什么不是距离函数纬度经度对的参数?
答案 0 :(得分:3)
我似乎找到了一个可以使用以下方法计算距离矩阵的工作:
http://scikit-learn.org/stable/modules/generated/sklearn.metrics.pairwise.pairwise_distances.html
然后将其用作DBSCAN(metric='precomputed').fit(distance_matrix)
答案 1 :(得分:1)
您可以使用scikit-learn执行此操作:将hasrsine指标与球树算法一起使用,并将弧度单位传递到DBSCAN拟合方法中。
本教程演示了如何 cluster spatial lat-long data with scikit-learn's DBSCAN 使用基于长度点之间准确的大地距离的群集指标进行聚类:
df = pd.read_csv('gps.csv')
coords = df.as_matrix(columns=['lat', 'lon'])
db = DBSCAN(eps=eps, min_samples=ms, algorithm='ball_tree', metric='haversine').fit(np.radians(coords))
请注意,坐标以弧度单位的形式传递给.fit()
方法,并且epsilon参数值也必须以弧度为单位。
如果你想要epsilon,比如1.5km,那么以弧度为单位的epsilon参数值将= 1.5 / 6371。