在 K-Means 聚类算法（sklearn）中，如何将欧几里得距离覆盖到某个距离答案

【问题标题】：In K-Means clustering algorithm(sklearn) how to override euclidean distance to some distance在 K-Means 聚类算法（sklearn）中，如何将欧几里得距离覆盖到某个距离
【发布时间】：2019-05-04 13:37:50
【问题描述】：

我有一些文档，我只想对相关文档进行分组。目前我正在使用谷歌的新闻矢量文件（GoogleNews-vectors-negative300.bin），通过这个矢量文件，我得到了矢量，我使用 WMD（Word Mover Distance）算法来获取两个文档之间的距离。现在我想将它与 K-means 聚类集成。基本上我想覆盖 KMeans 中的距离计算功能。我怎样才能做到这一点？任何建议都是最受欢迎的。提前致谢。

【问题讨论】：

标签： machine-learning scikit-learn k-means euclidean-distance wmd

【解决方案1】：

虽然理论上可以使用其他距离度量来实现 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 scikit-learn 没有其他距离指标的原因。

我建议使用例如层次聚类，可以插入任意距离函数。

【讨论】：