cosine度量如何在sklearn的聚类算法中工作？

Question

我很困惑cosine指标在sklearn的聚类算法中如何工作。

例如，DBSCAN具有参数eps，并且它在聚类时指定了最大距离。但是，更大的余弦相似度意味着两个向量更接近，这与我们的distance概念正好相反。

我发现pairwise_metric中有cosine_similarity和cosine_distance（只是1-cos()，当我们指定度量为cosine时，我们使用cosine_similarity。

因此，在聚类时，DBSCAN如何比较余弦相似度和@param eps以确定两个向量是否具有相同标签？

Answer 1

[scikit-learn中的DBSCAN的实现依赖于NearestNeighbors（请参阅implementation of DBSCAN）。

这里是一个示例，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[1, 1]半径内最接近0.1的点。

因此，余弦距离小于DBSCAN中的eps的点往往在同一簇中。