相当于R的集群包中的daisy()的Python语言。

14 人关注

我有一个数据集，其中包含分类（名义和序数）和数字属性。我想用这些混合属性来计算整个观察结果的（不）相似性矩阵。使用 daisy() 在R中的集群包的功能，我可以很容易地得到一个异同矩阵，如下所示。

if(!require("cluster")) { install.packages("cluster");  require("cluster") }
data(flower)
as.matrix(daisy(flower, metric = "gower"))
这使用高尔矩阵来处理名义变量。在R中是否有与daisy()函数相当的Python？
或者任何其他模块函数，允许使用高尔指标或类似的东西来计算具有混合（名义、数字）属性的数据集的（不）相似性矩阵？


         python


         similarity


         categorical-data


         r-daisy


        2
        
        个回答


          
           
           
            Marcelo Beckmann
           
          
          
           发布于
           
           2014-10-16


          已采纳


         0
         
         人赞同


          
           仅仅实现一个与pdist一起使用的Gower函数是不够的。
          
          
           在内部，pdist做了几个数字转换，如果你使用一个混合数据的矩阵，就会失败。
          
          
           我根据原始论文实现了高尔函数，并在pdist模块中进行了必要的修改（我不能简单地覆盖这些函数，因为pdist模块的定义是私有的）。
          
          
           到目前为止，我用这个方法得到的结果与R的菊花功能相同。
          
          
           源代码可以在这个jupyter笔记本上找到。
           
            https://sourceforge.net/projects/gower-distance-4python/files/


           
            这看起来很棒 :) 是否有计划将其纳入sklearn或以其他方式出版？


           
            Marcelo Beckmann
           
           ：


           
            是的，有一张为sklearn准备的票(
            
             github.com/scikit-learn/scikit-learn/issues/5884
            
            )，在审查了我的拉动请求后，我正在修正一些要点，希望我们能把这个实现推送给这个项目的主人。


           
            我可以问--高尔距离和相似度之间有区别吗？我的假设是，相似度=1-距离？


           
            Marcelo Beckmann
           
           ：


           
            你好，高尔距离是一种相似性测量，事实上，在原始论文中没有提到异质性(
            
             members.cbio.mines-paristech.fr/~jvert/svn/bibli/local/...
            
            ).


           
            lambruscoAcido
           
           ：


           
            嗨，@MarceloBeckmann 谢谢你的实现。但是，它的规模并不大。对于5000个数据点，Mahalanobis需要1秒钟，但你的Gower需要3分钟。你能把代码矢量化吗？谢谢 :)


         0
         
         人赞同


          
           我相信你在寻找的是
           
            
             scipy.spatial.distance.pdist
            
           
           .
          
          
           如果你实现了一个在一对观察值上计算高尔距离的函数，你可以将该函数传递给
           
            pdist
           
           ，它将成对地应用该函数并返回所产生的成对距离矩阵。高尔距离似乎并不是内置选项之一。