我有一组分布在球体上的数据，我试图了解必须给scikit-learn分发的DBSCAN函数指标。它不能是欧几里德度量，因为点分布的度量不是欧几里德。在sklearn数据包中是否存在针对此类情况实施的度量标准，或者将小数据集中的数据划分为最简单（如果冗长乏味）的方式？
P.S。我是python的菜鸟
P.P.S。如果我“预先计算”指标，我必须以什么形式提交预先计算的数据？ 像这样？
0 - event1 - event2 - ...
event1 - 0 - 距离（event1，event2） - ...
event2 - 距离（event1，event2） - 0
请帮帮忙？
答案 0 :(得分：0)
您是否尝试过metric="precomputed"？
然后将距离矩阵传递给数据的DBSCAN.fit函数而不是。
来自文档：
X数组[n_samples，n_samples]或[n_samples，n_features]：样本或要素数组之间的距离数组。除非度量标准为“预先计算”，否则该数组将被视为要素数组。