Phân cụm tọa độ vị trí địa lý (lat, cặp dài)

Cách tiếp cận đúng và thuật toán phân cụm cho phân cụm định vị địa lý là gì?

Tôi đang sử dụng đoạn mã sau để phân phối vị trí địa lý cụm:

import numpy as np
import matplotlib.pyplot as plt
from scipy.cluster.vq import kmeans2, whiten

coordinates= np.array([
           [lat, long],
           [lat, long],
            ...
           [lat, long]
           ])
x, y = kmeans2(whiten(coordinates), 3, iter = 20)  
plt.scatter(coordinates[:,0], coordinates[:,1], c=y);
plt.show()

Có đúng không khi sử dụng phương tiện K để phân cụm định vị địa lý, vì nó sử dụng khoảng cách Euclide chứ không phải công thức Haversine như một hàm khoảng cách?

K-có nghĩa là phải đúng trong trường hợp này. Vì k-mean cố gắng nhóm chỉ dựa trên khoảng cách euclide giữa các đối tượng, bạn sẽ nhận lại các cụm vị trí gần nhau.

Để tìm số cụm tối ưu, bạn có thể thử tạo một biểu đồ 'khuỷu tay' trong tổng số khoảng cách vuông. Điều này có thể hữu ích ( http://nbviewer.ipython.org/github/nborwankar/LearnDataScience/blob/master/notebooks/D3.%20K-Means%20Clustering%20Analysis.ipynb )

K-mean không phải là thuật toán thích hợp nhất ở đây.

Lý do là phương tiện k được thiết kế để giảm thiểu phương sai . Tất nhiên, điều này xuất hiện từ quan điểm thống kê và tín hiệu, nhưng dữ liệu của bạn không phải là "tuyến tính".

Vì dữ liệu của bạn ở định dạng vĩ độ, kinh độ, bạn nên sử dụng thuật toán có thể xử lý các hàm khoảng cách tùy ý , đặc biệt là các hàm khoảng cách trắc địa. Phân cụm theo phân cấp, PAM, CLARA và DBSCAN là những ví dụ phổ biến về điều này.

https://www.youtube.com/watch?v=QsGOoWdqaT8 khuyên bạn nên phân cụm OPTICS.

Các vấn đề của phương tiện k rất dễ thấy khi bạn xem xét các điểm gần với mức bao quanh + -180 độ. Ngay cả khi bạn đã hack k-mean để sử dụng khoảng cách Haversine, trong bước cập nhật khi nó tính toán lại có nghĩa là kết quả sẽ bị sai lệch nghiêm trọng. Trường hợp xấu nhất là, k-nghĩa sẽ không bao giờ hội tụ!

Tọa độ GPS có thể được chuyển đổi trực tiếp thành geohash . Geohash chia Trái đất thành các "xô" có kích thước khác nhau dựa trên số chữ số (mã Geohash ngắn tạo ra các khu vực lớn và mã dài hơn cho các khu vực nhỏ hơn). Geohash là một phương pháp phân cụm chính xác có thể điều chỉnh.

Tôi có lẽ rất muộn với câu trả lời của mình, nhưng nếu bạn vẫn đang xử lý phân cụm địa lý, bạn có thể thấy nghiên cứu này thú vị. Nó liên quan đến việc so sánh hai cách tiếp cận khá khác nhau để phân loại dữ liệu địa lý: K-nghĩa là phân cụm và mô hình tăng trưởng lớp tiềm ẩn.

Một trong những hình ảnh từ nghiên cứu:

Các tác giả kết luận rằng kết quả cuối cùng là tương tự nhau, và có một số khía cạnh trong đó LCGM đã vượt quá K-nghĩa.

Bạn có thể sử dụng HDBSCAN cho việc này. Gói python có hỗ trợ khoảng cách haversine sẽ tính toán chính xác khoảng cách giữa các điểm lat / lon.

Như các tài liệu đã đề cập , trước tiên bạn sẽ cần chuyển đổi điểm của mình thành radian để điều này hoạt động. Các psuedocode sau đây nên thực hiện thủ thuật:

points = np.array([[lat1, lon1], [lat2, lon2], ...])
rads = np.radians(points)
clusterer = hdbscan.HDBSCAN(min_cluster_size=N, metric='haversine')
cluster_labels = clusterer.fit_predict(points)

Thuật toán k-mean để phân cụm các vị trí là một ý tưởng tồi. Vị trí của bạn có thể được trải rộng trên toàn thế giới và số lượng cụm không thể dự đoán được bởi bạn, không chỉ vậy nếu bạn đặt cụm là 1 thì các vị trí sẽ được nhóm thành 1 cụm. Tôi đang sử dụng phân cụm phân cấp cho cùng.

Java Apache commons-math thực hiện điều này khá dễ dàng.

https://commons.apache.org/proper/commons-math/javadocs/api-3.1/org/apache/commons/math3/stat/clustering/DBSCANClusterer.html

List<Cluster<T>>    cluster(Collection<T> points) 

Đi với Kmeans phân cụm vì HBScan sẽ mất mãi mãi. Tôi đã thử nó cho một trong các dự án và kết thúc nhưng sử dụng Kmeans với kết quả mong muốn.