如何解决基于Haversine距离的聚类的剪影得分
正如标题所述，我正在尝试使用 scikit-learn 库中的 sklearn.metrics.silhouette_score 方法计算聚类结果的轮廓得分
这是我现在正在使用的代码段：
nodes = [[node[1],node[2]] for node in nodes] # Matrix with each (lat,lon) coord
nodes = np.array(nodes)
labels = get_labels(nodes)
print("Nodes: ",nodes)
print("Nodes shape: ",nodes.shape)
silhouette = silhouette_score(nodes,labels,metric = sklearn.metrics.pairwise.haversine_distances)
print("Silhouette score: ",silhouette)
但是执行时出现以下错误：
File "sklearn/neighbors/_dist_metrics.pyx",line 388,in sklearn.neighbors._dist_metrics.distanceMetric.pairwise
ValueError: Buffer has wrong number of dimensions (expected 2,got 1)
我不知道这是否是正确的格式，但是我在这个问题（Silhouette score for Jaccard distance）中看到，他们建议直接在点之间使用distanceMatrix并使用metrics="precomputed"作为轮廓得分的参数。
所以我的问题是：
谢谢！
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
