Python 使用替代的距离度量，如Mahalanobis和DBSCAN

我想将

Mahalanobis

距离与

DBSCAN

结合使用

对于

nearestneighbories

您可以传递

metric='mahalanobis'

和

metric_params={'V'：np.cov（X）}

以使用

mahalanobis

距离

DBSCAN(eps=0.15, min_samples=8, metric='...', algorithm='brute', leaf_size=30, n_jobs=-1)

---

但是如何使用

DBSCAN

？

您似乎需要通过创建度量，例如

距离度量

例如，您可以使用：

import numpy as np
from sklearn.datasets import make_classification
from sklearn.neighbors import DistanceMetric
from sklearn.cluster import DBSCAN

X, y = make_classification()
metric = DistanceMetric.get_metric('mahalanobis', V=np.cov(X))

sklearn.cluster.DBSCAN(eps=0.15, min_samples=8, metric=metric, 
                       algorithm='brute', leaf_size=30, n_jobs=-1)

上述答案在2021年初对我来说并不适用。今天，您不会传递距离对象，而是传递带有马氏协方差参数的字典

上面的示例如下所示：

import numpy as np
from sklearn.datasets import make_classification
from sklearn.cluster import DBSCAN

X, y = make_classification()

sklearn.cluster.DBSCAN(eps=0.15, min_samples=8, metric='mahalanobis', metric_params={'V':np.cov(X)}, algorithm='brute', leaf_size=30, n_jobs=-1)