小编The*_*Kid的帖子

我正在尝试使用DBSCAN(scikit learn implementation)和位置数据进行集群.我的数据是np数组格式,但要使用带有Haversine公式的DBSCAN,我需要创建一个距离矩阵.当我尝试这样做时,我得到以下错误('模块'不可调用错误.)从我在线阅读这是一个导入错误,但我很确定不是我的情况.我已经创建了自己的半身距离公式,但我确定错误不是这个.

这是我的输入数据,一个np数组(ResultArray).

[[ 53.3252628   -6.2644198 ]
[ 53.3287395   -6.2646543 ]
[ 53.33321202  -6.24785807]
[ 53.3261015   -6.2598324 ]
[ 53.325291    -6.2644105 ]
[ 53.3281323   -6.2661467 ]
[ 53.3253074   -6.2644483 ]
[ 53.3388147   -6.2338417 ]
[ 53.3381102   -6.2343826 ]
[ 53.3253074   -6.2644483 ]
[ 53.3228188   -6.2625379 ]
[ 53.3253074   -6.2644483 ]]

这是错误的代码行.

distance_matrix = sp.spatial.distance.squareform(sp.spatial.distance.pdist
(ResultArray,(lambda u,v: haversine(u,v))))

这是错误消息:

File "Location.py", line 48, in <module>
distance_matrix = sp.spatial.distance.squareform(sp.spatial.distance.pdist
(ResArray,(lambda u,v: haversine(u,v))))
File "/usr/lib/python2.7/dist-packages/scipy/spatial/distance.py", line 1118, in pdist
dm[k] = dfun(X[i], …

我有一个用户及其音乐播放的数据集，每个播放都有位置数据。对于每个用户，我想对他们的播放进行聚类，以查看他们是否在给定位置播放音乐。

我计划使用 sci-kit learn k-means 包，但如何让它处理位置数据，而不是默认的欧几里德距离？

一个它工作的例子真的会对我有帮助！