使用相似函数对scikitlearn进行聚类

Question

我使用一个函数来计算一对文档之间的相似性，并使用这种相似性度量来执行聚类。
目前为止的代码

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)

我关心的是，我在这里使用了一个相似函数，我认为根据文档，它应该是一个不相似矩阵，我怎样才能把它变成不同矩阵呢。 还有一种更有效的方法。在

Answer 1

• 请正确格式化您的代码，因为缩进在Python中很重要。

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

• 由于range总是从零开始，所以可以省略它并编写range(n)。

• numpy中的索引工作方式类似于[i，j，k，…]。
  因此，实际上不是Sim[i][j]，而是编写Sim[i, j]，因为否则需要执行两个操作：首先获取整个行切片，然后为列编制索引。这里有另一种方法来复制上三角的元素到下三角的元素

  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，把你的相似性矩阵转换成一个距离矩阵，你可以简单地做

  dm = 1 - Sim

  此操作将被numpy矢量化