PythonのコサインメトリックでのDBSCANエラー

Question

私はコサインメトリックでscikit-learnライブラリのDBSCANアルゴリズムを使用しようとしましたが、エラーが発生しました。 コードの行は、Xがcsr_matrixある

db = DBSCAN(eps=1, min_samples=2, metric='cosine').fit(X)  

あります。ドキュメントは、このメトリックを使用することが可能であることを述べているものの、

アルゴリズム「オート」の有効な

メトリック「コサイン」ではない：エラーは、次のようです。 オプションalgorithm='kd_tree'と'ball_tree'を使用しようとしましたが、同じことがありました。ただし、euclidean、またはl1のメトリックを使用するとエラーは発生しません。

マトリックスXが大きいので、ペアワイズ距離の事前計算マトリックスを使用することはできません。

私はpython 2.7.6とscikit-learn 0.16.1を使用します。 私のデータセットはゼロの完全な行を持たないので、余弦メトリックは明確に定義されています。

Answer 1

sklearnのインデックス（おそらく、これは新しいバージョンで変更される可能性があります）はコサインを加速することはできません。

Try algorithm='brute'

from sklearn.neighbors.ball_tree import BallTree 
print(BallTree.valid_metrics) 

Answer 2

あなたはコサイン距離などの正規化距離が必要な場合、また、あなたのベクトルを正規化することができますsklearnのバージョンがボールツリーのサポート指標を見る、加速することができメトリックのリストについては

最初にユークリッド距離を使用してください。

Xnorm = np.linalg.norm(X,axis = 1) 
Xnormed = np.divide(X,Xnorm.reshape(Xnorm.shape[0],1)) 
db = DBSCAN(eps=0.5, min_samples=2, metric='euclidean').fit(Xnormed) 

：2つの正規化ベクトルuとvのユークリッド距離は平方根に等しい（2-2 * COS（U、V））（see this discussion）

のためにあなたが故にような何かを行うことができていることに注意してください距離は[0,2]にあるので、それに応じてパラメータを調整してください。