使用python（scipy）和空间和时间变量进行集群

“我的数据集”的格式： [x坐标，y坐标，小时]，小时为0到23之间的整数值

我现在的问题是，当我需要一个欧几里德距离度量作为坐标，但小时数需要一个不同的度量（因为在欧几里德距离度量中d（23,0）是23）时，如何对这些数据进行聚类。是否可以为scipy中的每个功能使用不同的距离度量对数据进行聚类？怎么做

---

谢谢

您需要定义自己的度量，它以适当的方式处理“时间”。在文档中，您可以定义自己的功能

Y = pdist(X, f)

使用用户提供的二元函数f计算X中所有向量对之间的距离。[…]例如，向量之间的欧几里德距离可计算如下：

该度量可以通过

metric

关键字传递给任何scipy聚类算法。例如，使用：

---

你想使用什么样的聚类技术？目前我正在试验kmeans，但是任何能产生好结果的聚类方法都可以。你相信它会收敛吗？我会这样做的方式是在每次迭代的字典的基础上，用我自己的修改来修改补丁。我认为这样做不会太困难。如果选择好不同度量的距离，它应该会收敛，目前我正在尝试重写kmeans算法的一部分，以便它可以处理每个特性的不同距离度量。因为我是python新手，但这可能需要一段时间。但我觉得这是唯一的解决方案。添加了一个回复，然后搜索了什么是聚类，n发现你实际上不想只计算一侧（x0，y0）和（x1，y1）之间的距离，另一侧（h0）和（h1）之间的时间差，但是使用一个数据结构-如果你想这样做，我可以取消删除我的回复though@user2768102没问题，欢迎使用堆栈溢出！小提示更好的帖子，你不需要在帖子中说“谢谢/请/干杯”，因为我们喜欢降低信噪比。

dm = pdist(X, lambda u, v: np.sqrt(((u-v)**2).sum()))

scipy.cluster.hierarchy.linkage(y, method='single', metric='euclidean')