scikit-learn 中的 DBSCAN（仅使用公制）

Question

我有对象和距离 function，并且想在scikit-learn中使用DBSCAN方法对这些进行聚类。 我的对象在欧几里得空间中没有表示。 我知道，可以使用precomputed的度量，但在我的例子中，这是非常不切实际的，因为距离矩阵很大。 在scikit-learn中有什么办法可以克服这个问题吗？ 也许，DBSCAN 的另一个 python 实现可以这样做吗？

Answer 1

scikit-learn支持各种各样的指标。

其中一些可以使用kdtree（非常快），使用球树（快速），使用预先计算的距离矩阵（快速，但需要大量内存）或没有预计算但Cython实现（二次运行时）甚至python回调来加速（非常慢）。

最后一个选项已实施，但速度极慢：

def mydistance(x,y):
  return numpy.sum((x-y)**2)

labels = DBSCAN(eps=eps, min_samples=minpts, metric=mydistance).fit_predict(X)

不幸的是，它比...慢得多

labels = DBSCAN(eps=eps, min_samples=minpts, metric='euclidean').fit_predict(X)

当你需要使用自己的距离函数时，我发现ELKI表现得更好。 Java可以使用Hotspot JNI编译器将它们编译为接近本机代码的速度。 Python（目前）无法做到这一点。

Answer 2

我写了自己的距离代码参考了最佳答案，就像它说的那样，它非常慢，内置的距离代码要好得多。 我想知道如何加快速度。