Python'da kosinüs metriği ile DBSCAN hatası

Question

Scikit-learn kütüphanesinden DBSCAN algoritmasını kosinüs metriğiyle kullanmaya çalışıyordum ama hatayla sıkışmıştım. kod hattı X bir csr_matrix olan

db = DBSCAN(eps=1, min_samples=2, metric='cosine').fit(X)  

olup. dokümantasyon metrik kullanmak mümkün olduğunu söylüyor olsa da,

algoritmanın auto'dan için geçerli

Metrik 'kosinüs' değil: hata şudur. Opsiyon algorithm='kd_tree' ve 'ball_tree''u kullanmayı denedim ama aynısını yaptım. Ancak, euclidean veya l1 metriği kullanırsam hata olmaz.

X matrisi büyüktür, bu nedenle önceden hesaplanmış bir çift geçişli matris kullanamıyorum.

python 2.7.6 ve scikit-learn 0.16.1 kullanıyorum. Veri kümem tam bir sıfıra sahip değil, bu nedenle kosinüs metriği iyi tanımlanmış.

Answer 1

Sklearn'deki dizinler (muhtemelen - bu yeni sürümlerle değişebilir) kosinüs hızlandırılamaz.

algorithm='brute''u deneyin. Eğer kosinüs mesafesi gibi normalize mesafe istiyorsanız

from sklearn.neighbors.ball_tree import BallTree 
print(BallTree.valid_metrics) 

Answer 2

, ayrıca vektör normalize edilebilir: sklearn sürümünüz top ağacının desteklenen ölçümler görmek hızlandırabilir Metriklerin listesi için

önce ve sonra öklid metriğini kullanın. İki normalleştirilmiş vektörler için dikkat edin u ve v Öklid mesafesi sqrt eşittir (2-2 * cos (u, v)) ( see this discussion)

Sen dolayısıyla böyle bir şey yapabilirsiniz:

Xnorm = np.linalg.norm(X,axis = 1) 
Xnormed = np.divide(X,Xnorm.reshape(Xnorm.shape[0],1)) 
db = DBSCAN(eps=0.5, min_samples=2, metric='euclidean').fit(Xnormed) 

The mesafeler [0,2] 'da kalır, bu yüzden parametrelerinizi buna göre ayarladığınızdan emin olun.