计算欧几里得距离时 sklearn.metrics.pairwise_distances_argmin_min 的奇怪结果

Question

我正在实施用于异常值检测的 k-means 算法的定制版本。为此，我需要将数据点分配给聚类中心，并计算到各个中心的距离。我的数据输入是 pandas Dataframes，我使用 sklearn.metrics.pairwise_distances_argmin_min 在同一步骤中快速计算距离和集群标签。

但是当使用 metric='euclidean' 作为参数时，我遇到了奇怪的结果，导致我的算法将大多数点分类为异常值。 请考虑以下示例：

import numpy as np
import pandas as pd
from sklearn.metrics import pairwise_distances_argmin_min
from sklearn.metrics import pairwise_distances
from scipy.spatial import distance
A = np.array([[3,3],
             [2,2]])
B = np.array([[1,1]])
pair_dist = pairwise_distances(A, B, metric='euclidean')
_, pair_dist_arg = pairwise_distances_argmin_min(A, B, metric='euclidean')
dist_euclid = [distance.euclidean(A[0,:], B), distance.euclidean(A[1,:], B)]
print('pairwise distances: ', pair_dist.flatten())
print('pairwise distances argmin: ', pair_dist_arg)
print('distance.euclidean: ', dist_euclid)

输出：

pairwise distances:  [2.82842712 1.41421356]
pairwise distances argmin:  [1.68179283 1.18920712]
distance.euclidean:  [2.8284271247461903, 1.4142135623730951]

为什么在使用欧几里得距离时，pairwise_distances 和 pairwise_distances_argmin_min 的结果不同？
我尝试的各种其他指标（堪培拉、城市街区等）的结果是相同的，奇怪的是 l2（与欧几里得相同）也是如此。
似乎pairwise_distances_argmin_min 取平方根太多还是我遗漏了什么？

Answer 1

您似乎遇到了pairwise_distances_argmin_min(..., metric='euclidean') 中的错误：https://github.com/scikit-learn/scikit-learn/pull/12481/files

我使用sklearn 0.19.1 对所有三个计算得到相同的结果。

首先检查你的 sklearn 版本：

import sklearn
print(sklearn.__version__) # Or print sklearn.__version__ in Python 2.7

如果是 0.20.0 那么你就知道它可能是这个错误。这个错误似乎是regression（即它曾经在以前的版本中正常工作），所以可能是你的sklearn 版本比我高。

将 sklearn 更新到 0.20.1（使用 pip、conda 或您使用的任何包管理器）应该可以解决问题。