使用相似性函数来聚类scikit-learn

Question

我使用函数来计算一对文档之间的相似性,并且想要使用这种相似性度量来执行聚类.
代码到目前为止

Sim=np.zeros((n, n)) # create a numpy arrary  
i=0  
j=0       
for i in range(0,n):      
   for j in range(i,n):  
    if i==j:  
        Sim[i][j]=1
     else:    
         Sim[i][j]=simfunction(list_doc[i],list_doc[j]) # calculate similarity between documents i and j using simfunction
Sim=Sim+ Sim.T - np.diag(Sim.diagonal()) # complete the symmetric matrix

AggClusterDistObj=AgglomerativeClustering(n_clusters=num_cluster,linkage='average',affinity="precomputed") 
Res_Labels=AggClusterDistObj.fit_predict(Sim)

我担心的是,我在这里使用了相似度函数,我认为根据文档它应该是一个不相似矩阵,我怎样才能将它改为不相似矩阵.还有什么是更有效的方法来做到这一点.

Answer 1

• 请正确格式化代码,因为缩进在Python中很重要.

• 如果可能,请保持代码完整(您省略了import numpy as np).

• 由于range始终从零开始,您可以省略它并写入range(n).

• 像n [i,j,k,...]这样的numpy索引.
  因此,Sim[i][j]您实际上不想写Sim[i, j],因为否则您将执行两个操作:首先获取整个行切片,然后索引列.另一种方法是将上三角形的元素复制到下三角形

  Sim = np.identity(n) # diagonal with ones (100 percent similarity)
  
  for i in range(n):      
      for j in range(i+1, n):    # +1 skips the diagonal 
          Sim[i, j]= simfunction(list_doc[i], list_doc[j])
  
  # Expand the matrix (copy triangle)
  tril = np.tril_indices_from(Sim, -1) # take lower & upper triangle's indices
  triu = np.triu_indices_from(Sim, 1)  # (without diagonal)
  Sim[tril] = Sim[triu]
  

• 假设你真的在范围(0,1)内有相似性将你的相似性矩阵转换成距离矩阵,你可以简单地做

  dm = 1 - Sim

  这个操作将被numpy矢量化