Python sklearn中k-means聚类的距离矩阵传递
根据,它表示k-means需要一个shape=(n_样本,n_特征)的矩阵。但是我提供了一个shape=(n_样本,n_样本)的距离矩阵,其中每个索引保存两个字符串之间的距离。时间序列已使用表示法转换为字符串Python sklearn中k-means聚类的距离矩阵传递,python,algorithm,cluster-analysis,k-means,Python,Algorithm,Cluster Analysis,K Means,根据,它表示k-means需要一个shape=(n_样本,n_特征)的矩阵。但是我提供了一个shape=(n_样本,n_样本)的距离矩阵,其中每个索引保存两个字符串之间的距离。时间序列已使用表示法转换为字符串 当我使用距离矩阵进行聚类时,得到了很好的结果。可能的原因是什么?据我所知,K-medoids是一个使用距离矩阵的函数。K-means,顾名思义,使用means 计算算术平均值需要访问原始特征,不能使用距离矩阵 K-均值也不使用成对距离。因此,距离矩阵对于该算法是无用的 请选择不同的算法,例
当我使用距离矩阵进行聚类时,得到了很好的结果。可能的原因是什么?据我所知,K-medoids是一个使用距离矩阵的函数。K-means,顾名思义,使用means 计算算术平均值需要访问原始特征,不能使用距离矩阵 K-均值也不使用成对距离。因此,距离矩阵对于该算法是无用的
请选择不同的算法,例如分层聚类。什么算法支持此功能?