scikit-learn中的DBSCAN（仅限度量）

Question

我有对象和距离函数，并希望使用DBSCAN中的scikit-learn方法对这些进行聚类。我的物体在欧几里德空间中没有表示。我知道，可以使用precomputed指标，但在我的情况下，由于距离矩阵的大小，这是非常不切实际的。有没有办法在scikit-learn中克服这个问题？也许，是否有其他可以实现的DBSCAN python实现？

Answer 1

scikit-learn支持各种各样的指标。

其中一些可以使用kdtree（非常快），使用球树（快速），使用预计算距离矩阵（快速，但需要大量内存）或没有预计算但Cython实现（二次运行时）或甚至是python回调（非常慢）。

最后一个选项已实施，但速度极慢：

def mydistance(x,y):
  return numpy.sum((x-y)**2)

labels = DBSCAN(eps=eps, min_samples=minpts, metric=mydistance).fit_predict(X)

不幸的是，

比

慢得多

labels = DBSCAN(eps=eps, min_samples=minpts, metric='euclidean').fit_predict(X)

当你需要使用自己的距离函数时，我发现ELKI表现得更好。 Java可以使用Hotspot JNI编译器将它们编译为接近本机代码的速度。 Python（目前）无法做到这一点。