Question

我不知道如何解释sklearn（版本20.2）中haversine实现的输出

文档说，“请注意，haversine距离度量标准需要[纬度，经度]形式的数据，并且输入和输出均以弧度为单位。”，因此我应该能够将km乘以6371 （最大距离约为半径）。

从两点开始的有效距离计算如下：

def distance(origin, destination):
    lat1, lon1 = origin
    lat2, lon2 = destination
    radius = 6371 # km

    dlat = math.radians(lat2-lat1)
    dlon = math.radians(lon2-lon1)
    a = math.sin(dlat/2) * math.sin(dlat/2) + math.cos(math.radians(lat1)) \
        * math.cos(math.radians(lat2)) * math.sin(dlon/2) * math.sin(dlon/2)
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1-a))
    d = radius * c

    return d

distance([32.027240,-81.093190],[41.981876,-87.969982])
1263.103504537151

这是正确的距离。

使用BallTree实现：

from sklearn.neighbors import BallTree
test_points = [[32.027240,41.981876],[-81.093190,-87.969982]]
tree = BallTree(test_points,metric = 'haversine')
results = tree.query_radius(test_points,r = 10,return_distance  = True)

results[1]
array([array([0.        , 1.53274271]), array([1.53274271, 0.        ])],
      dtype=object)

与distanceMetric实现相同：

dist = DistanceMetric.get_metric('haversine')
dist.pairwise([[32.027240,41.981876],[-81.093190,-87.969982]])
array([[0.        , 1.53274271],
       [1.53274271, 0.        ]])

我还尝试更改顺序，以防不应该将其输入为[[lat1，lat2]，[lon1，lon2]]并且没有得到我可以解释的结果。

有人知道我可以使用sklearn实现从两个坐标获取以千米为单位的距离吗？

Answer 1

所以问题是sklearn要求所有内容都以<弧度> <弧度为单位，但是我的纬度/经度和半径分别以度/米为单位。在使用之前，我需要进行一些转换：

from sklearn.neighbors import BallTree
earth_radius = 6371000 # meters in earth
test_radius = 10 # meters

test_points = [[32.027240,41.981876],[-81.093190,-87.969982]]
test_points_rad = [[x[0] * np.pi / 180, x[1] * np.pi / 180] for x in test_points ]

tree = BallTree(test_points_rad, metric = 'haversine')
results = tree.query_radius(test_points, r=test_radius/earth_radius, return_distance  = True)

Answer 2

只是为了澄清@flyingmeatball的先前答案，有几件事：

可能是由于sklearn的变化：您需要按行指定坐标
一种简单的转换为弧度的方法就是从数学中导入弧度模块
最终获得的结果需要再次乘以地球半径，才能得到米/公里的答案。

请参见下面的代码示例...

from math import radians
earth_radius = 6371000 # meters in earth
test_radius = 1300000 # meters

test_points = [[32.027240,-81.093190],[41.981876,-87.969982]]
test_points_rad = np.array([[radians(x[0]), radians(x[1])] for x in test_points ])

tree = BallTree(test_points_rad, metric = 'haversine')
ind,results = tree.query_radius(test_points_rad, r=test_radius/earth_radius, 
return_distance  = True)
print(ind)
print(results * earth_radius/1000)

将sklearn Haversine输出解释为公里

2 个答案: