sklearn：获取点到最近聚类的距离

Question

我正在使用像

DBSCAN

这样的聚类算法。

它返回一个名为

-1

的“簇”，这些点不属于任何簇。对于这些点，我想确定从它到最近的簇的距离，以获得类似于该点异常程度的度量。这可能吗？或者这种指标有什么替代方案吗？

Answer 1

答案将取决于您选择的联动策略。我将给出使用

pairwise_distances()

进行单链接的示例。

首先，您可以构建数据的距离矩阵。

from sklearn.metrics.pairwise import pairwise_distances
dist_matrix = pairwise_distances(X)

然后，您将提取最近的簇：

for point in unclustered_points:
    distances = []
    for cluster in clusters:
        distance = dist_matrix[point, cluster].min()  # Single linkage
        distances.append(distance)
    print("The cluster for {} is {}".format(point, cluster)

编辑：这有效，但正如 Anony-Mousse 指出的那样，它的时间复杂度为 O(n^2)。考虑核心点是一个更好的主意，因为它减少了你的工作量。另外，有点类似于质心联动。

Answer 2

为了更接近 DBSCAN 的直觉，您可能应该只考虑核心点。

将核心点放入最近邻搜索器中。然后搜索所有噪声点，使用最近点的簇标签。