时间戳

首页 > 解决方案 > 如何在 DBSCAN 中将包含分类数据和连续数据的数据集放入用户定义的度量函数中？

python - 如何在 DBSCAN 中将包含分类数据和连续数据的数据集放入用户定义的度量函数中？

问题描述

我有一个具有连续和分类值的数据集。我想编写一个函数作为 DBSCAN 中的度量标准，它使用相同的欧几里得距离连续并处理分类值，它必须将整个字符串值与其他字符串值标识。如果这 2 个值相等，则必须将距离设为 0，如果它们不相等，则结果应为 1。当我尝试为度量编写用户定义的函数时，它根本没有将数据传递给我的函数。它抛出错误，如“无法将字符串转换为浮点数：“'second'”“？有没有办法将数据传递给我的函数？ 在此处输入图像描述

数据框如下所示：

        sundar call      raju   ram     sony  tintu  banti
points                                                    
x1         0.6  '0'   'first'  0.93   'lion'   0.34   0.98
x2         0.7  '1'  'second'  0.47    'cat'   0.43   0.76
x3         0.4  '0'   'third'  0.87  'tiger'   0.24   0.10
x4         0.6  '0'   'first'  0.93   'lion'   0.34   0.98
x5         0.5  '1'   'first'  0.32  'tiger'   0.09   0.99
x6         0.4  '0'   'third'  0.78  'tiger'   0.18   0.17
x7         0.5  '1'  'second'  0.98    'cat'   0.47   0.78

标签： pythonpython-3.xcluster-analysisdata-miningdbscan

解决方案

我想您应该使用“预计算”指标初始化 DBSCAN：

dbscan = sklearn.cluster.DBSCAN(metric="precomputed")

（其他参数省略）。然后计算所有样本之间的度量，得到 shape 的矩阵[n_samples, n_samples]。

X = user_defined_metric(data, data)

然后使用此数据拟合 DBSCAN：

labels = dbscan.fit_predict(X)

根据 sklearn 文档，

fit_predict(X, y=None, sample_weight=None)

Performs clustering on X and returns cluster labels.
Parameters: 
X : array or sparse (CSR) matrix of shape (n_samples, n_features), or array of shape (n_samples, n_samples)
    A feature array, or array of distances between samples if metric='precomputed'.

第二种情况 - 形状数组[n_samples, n_samples]是你的。

推荐阅读