在 K-Means 聚类算法（sklearn）中如何将欧氏距离覆盖到某个距离
In K-Means clustering algorithm(sklearn) how to override euclidean distance to some distance
我有一些文档，我想将相关文档分组。目前，我正在使用 google 的新闻矢量文件 (GoogleNews-vectors-negative300.bin) 并使用此矢量文件获取矢量，并使用 WMD（Word Mover Distance）算法获取距离两个文件之间。现在我想将它与 K-means 集成 clustering.Basically 我想覆盖 KMeans 中的距离计算功能。我怎样才能做到这一点？欢迎提出任何建议。提前致谢。
虽然理论上可以使用其他距离度量实施 k-means，但不建议这样做 - 您的算法可能会停止收敛。可以找到更详细的讨论，例如在 StackExchange。这就是为什么 scikit-learn 没有其他距离指标的原因。
我建议使用例如层次聚类，您可以在其中插入任意距离函数。
我有一些文档，我想将相关文档分组。目前，我正在使用 google 的新闻矢量文件 (GoogleNews-vectors-negative300.bin) 并使用此矢量文件获取矢量，并使用 WMD（Word Mover Distance）算法获取距离两个文件之间。现在我想将它与 K-means 集成 clustering.Basically 我想覆盖 KMeans 中的距离计算功能。我怎样才能做到这一点？欢迎提出任何建议。提前致谢。
虽然理论上可以使用其他距离度量实施 k-means，但不建议这样做 - 您的算法可能会停止收敛。可以找到更详细的讨论，例如在 StackExchange。这就是为什么 scikit-learn 没有其他距离指标的原因。
我建议使用例如层次聚类，您可以在其中插入任意距离函数。