Scipy Отрицательное расстояние? Какие?

Это из-за неточности с плавающей запятой, поэтому некоторые расстояния между вашими векторами, а не 0, составляют, например, -0.000000000000000002. Используйте scipy.clip() чтобы исправить проблему. Если ваша матрица расстояний – dmatr , используйте numpy.clip(dmatr,0,1,dmatr) и вы должны быть в порядке.

Я уверен, что это потому, что вы используете косинус-метрику при вызове fclusterdata. Попробуйте использовать эвклиды и посмотрите, не исчезла ли ошибка.

Косинус-метрика может пойти отрицательно, если точечный продукт двух векторов в вашем наборе больше 1. Поскольку вы используете очень большие числа и нормализуете их, я уверен, что продукты с точкой больше 1 раза в вашем наборе данных. Если вы хотите использовать косинус-метрику, то вам нужно будет нормализовать ваши данные, чтобы точечный продукт двух векторов никогда не был больше 1. См. Формулу на этой странице, чтобы узнать, как определяется косинус-метрика, как в Scipy.

Редактировать:

Ну, посмотрев исходный код, я думаю, что формула, указанная на этой странице, на самом деле не является формулой, которую использует Scipy (что хорошо, потому что исходный код выглядит так, как будто он использует формулу правильного и правильного косинусного расстояния). Однако к тому моменту, когда оно создается для связи, по какой-либо причине, очевидно, есть некоторые отрицательные значения в связи. Попробуйте найти расстояние между вашими векторами с помощью scipy.spatial.distance.pdist () с методом = 'cosine' и проверьте отрицательные значения. Если их нет, то это связано с тем, как создается связь с использованием значений расстояния.

«Linkage Z содержит отрицательные значения». Эта ошибка также встречается в скудном иерархическом процессе кластеризации, когда каждому индексу кластеров связей в матрице привязки присваивается -1.

Согласно моим наблюдениям, любой индекс кластеров связывания присваивается -1 во время процессов объединения, когда расстояние между всеми парами кластеров или точек, которые необходимо объединить, выходит за пределы минус бесконечность. Таким образом, функция сцепления объединяет кластеры, даже если расстояние между ними – бесконечное. И назначьте один из кластерных или точечных отрицательных индексов

Резюме Итак, дело в том, что если вы используете коэффициент косинуса как метрику, и если норма или величина любой точки данных равна нулю, то эта ошибка будет возникать

Я была такая же проблема. Что вы можете сделать, так это переписать функцию косинуса. Например:

 from sklearn.metrics.pairwise import cosine_similarity def mycosine(x1, x2): x1 = x1.reshape(1,-1) x2 = x2.reshape(1,-1) ans = 1 - cosine_similarity(x1, x2) return max(ans[0][0], 0) 

…

 clusters = hierarchy.fclusterdata(data, threshold, criterion='distance', metric=mycosine, method='average') 

Я не могу улучшить ответ Джастина, но еще один момент – обработка данных.

Вы говорите, что вы делаете что-то вроде int( float("0.0003") * 10000 ) для чтения данных. Но если вы это сделаете, вы получите не 3 а 2.9999999999999996 . Это потому, что неточности с плавающей запятой просто умножаются.

Лучше или, по крайней мере, более точно. путь был бы путем умножения в строке. То есть, используя строковые манипуляции, чтобы получить от 0.0003 до 3.0 и так далее.

Возможно, даже там есть расширение типа данных Python, которое может читать данные такого типа без потери точности, с которой вы можете выполнить умножение перед преобразованием. Я не дома в SciPy / численном, поэтому не знаю.

РЕДАКТИРОВАТЬ

Джастин прокомментировал, что в python есть построение десятичного типа. И это может интерпретировать строки, умножать на целые числа и конвертировать в float (я тестировал это). В этом случае я бы рекомендовал обновить вашу логику следующим образом:

 factor = 1 if inflate: factor = 10000 scores = map(lambda x: float(decimal.Decimal(x) * factor), l[1:]) 

Это немного уменьшит ваши проблемы округления.