Javascript Clusterfck度量

因此，我正在将一个旧的数据可视化转换为一个新的平台，我对他们的社区排序功能有点着迷。在原始代码中，作者似乎使用了凝聚聚类和余弦相似性计算器。我认为在Javascript中实现这一点的最佳方法是使用clusterfck生成一棵树，使用我的自定义余弦相似性函数作为度量。对于我传递的每一组数据，树几乎正确地排序。（但由于项目规范，“几乎”还不够好）。我检查了我的算法，看起来一切正常，但当我使用余弦相似性和欧几里德距离比较我的结果时，我得到了相同的排序结果

这可能是什么原因造成的？我想我可能传递了一些错误的信息，clusterfck将欧几里得作为默认值传递。下面是我的一段代码。有人能证实吗？（还有，有没有更简单的方法来计算余弦相似性？我认为JS没有内置的点积）

clusters=clusterfck.hcluster（relationArray，clusterfck.cosSim2，clusterfck.SINGLE_LINKAGE）；
后序（簇）；
函数后序（t）{
i++；
如果（t==null）{
返回；
}否则{
后序（t.left）；
邮购（右）；
if（t.left==null&&t.right==null）{
社区arr.push（t.canonical[0]）；
}否则{
返回；
}
}
}
函数cosSim2（arr1，arr2）{
var d1=0，
d2=0，
cos=0；
对于（变量i=0；i

我想这个答复对你来说太晚了。 但如果其他人偶然发现了这一点：

问题是调用

clusterfck.hcluster

，参数

clusterfck.cosSim2

作为距离度量。但由于实际距离函数只是

cosSim2

，因此可以使用未定义的距离函数有效地调用

clusterfck.hcluster

，而clusterfck使用默认的距离函数，即“欧几里德”

另外请注意，您的函数确实度量向量之间的相似性，而不是它们之间的距离。也就是说：余弦相似性越大，向量就越相似（即，它们之间的角度越小）

但是

clusterfck.hcluster

需要一个真正的距离度量。也就是说，相反的假设是正确的：距离度量值越大，向量的距离越远（即，向量的相似性越低）

使用函数调用

clusterfck.hcluster

会产生这样的效果，即将最不相似的项聚集在一起

您可以很容易地从余弦相似性函数导出距离函数，如下所示：

function cosDist(arr1, arr2) {
    return 1 - cosSim2(arr1, arr2);
}

这个新函数

cosDist

的值范围为0到2，相同的向量的距离为0（如预期），最远的（即不同的）向量的距离为2

另请注意： Wikipedia的文章指出，这个cosDist在数学意义上不是一个合适的距离度量（三角形不等式在这里通常不成立），但根据我的经验，当使用这个函数进行层次聚类时，这在实践中不是一个问题。而且这种方式经常被使用。

---

尽管如此，还是有一种方法可以从余弦推导出真正的距离度量，这在维基百科的同一篇文章中也提到过：

这不是一个真正的答案，但我可以问一下你的cosSim算法是如何工作的吗？我也读了一些关于余弦的书，听起来像是我需要的东西，但我还不知道如何使用它。我目前的文本比较算法太慢了，我似乎无法加快它，除非我把它分成不同的部分，所有这些部分都可以优化。

function cosDist(arr1, arr2) {
    return 1 - cosSim2(arr1, arr2);
}