Scikit learn “余弦”度量在sklearn'中如何工作；s聚类算法？

我对sklearn的聚类算法中的

cosine

度量是如何工作的感到困惑。

例如，DBSCAN有一个参数

eps

，它指定了聚类时的最大距离。然而，更大的余弦相似性意味着两个向量更接近，这与我们的距离概念正好相反

我发现在成对度量中存在

cosine\u相似性

和

cosine\u距离

（只是

1-cos（）

），当我们指定度量为

cosine

时，我们使用

cosine\u相似性

那么，在进行聚类时，DBSCAN如何比较余弦_相似度和@param

eps

来确定两个向量是否具有相同的标签

一个例子

import numpy as np from sklearn.cluster import DBSCAN samples = [[1, 0], [0, 1], [1, 1], [2, 2]] clf = DBSCAN(metric='cosine', eps=0.1) result = clf.fit_predict(samples) print(result) 将numpy作为np导入 从sklearn.cluster导入DBSCAN 样本=[[1,0]、[0,1]、[1,1]、[2,2]] clf=DBSCAN（公制='余弦'，eps=0.1） 结果=clf.拟合和预测（样本） 打印（结果） 它输出[-1，-1，-1，-1]，这意味着这四个点位于同一簇中

但是,

• 对于点对

  [1,1]，[2,2]

• 其余弦_相似性为4/（4）=1
• 余弦距离将为1-1=0，因此它们位于同一簇中
• 对于点对

  [1,1]，[1,0]

• 其余弦_相似性为1/sqrt（2）
• 余弦距离将为1-1/sqrt（2）=0.29289321881345254，该距离大于我们的

  eps

  0.1，为什么DBS可以将它们聚集到同一个簇中

---

感谢@Stanislas Morbieu的回答，我终于明白了

余弦

度量的意思是

余弦距离

，它是

1-余弦

在scikit learn中实现DBSCAN所依赖的（请参阅）

下面是一个示例，以了解它如何使用余弦度量：

import numpy as np
from sklearn.neighbors import NearestNeighbors

samples = [[1, 0], [0, 1], [1, 1], [2, 2]]
neigh = NearestNeighbors(radius=0.1, metric='cosine')
neigh.fit(samples) 

rng = neigh.radius_neighbors([[1, 1]])
print([samples[i] for i in rng[1][0]])

它输出

[[1,1]，[2,2]]

，即在

0.1

半径内最接近

[1,1]

的点

因此，DBS中余弦距离小于eps的点可能位于同一簇中

DBSCAN的参数

minu samples

起着重要作用。由于默认设置为

5

，因此不能将任何点视为核心点。 将其设置为

1

，示例代码：

import numpy as np
from sklearn.cluster import DBSCAN

samples = [[1, 0], [0, 1], [1, 1], [2, 2]]

clf = DBSCAN(metric='cosine', eps=0.1, min_samples=1)

result = clf.fit_predict(samples)

print(result)

输出

[0 1 2]

，这意味着[1，1]和[2，2]在同一个集群中（编号为2）

---

顺便说一下，输出的

[-1，-1，-1，-1]

并不意味着点在同一个簇中，而是意味着所有点都不在簇中。

以及我应该如何调整我的

eps

参数谢谢你的回答。为了便于阅读，我在我的问题中添加了一些新信息。我根据您添加的示例更新了我的答案。非常感谢！我忽略了这个参数，现在我知道实际度量是

余弦距离（1-余弦）

。