K-means文本聚类使用自定义距离函数

问题

在使用K-means对文本聚类时，常用余弦距离，但是scikit-learn中的k-mean只支持欧氏距离，简单的解决办法就是将文本向量标准化（模长变为1），此时欧式距离与余弦距离是单调的，选择欧氏距离与选择余弦距离是等价的，需要注意的是余弦距离=1-余弦相似度，该解决方法详见博文《余弦距离与欧式距离》。但是，如果我们想在K-menas中使用自己定义的距离函数，该怎么办呢，计算文本相似度时，经常会遇到根据任务需求自定义相似度计算指标的情况哦，改scikit-learn的源代码或者自己实现一份支持自定义距离函数的K-means代码显然比较耗时且容易出错，最好是能找到已有的成熟实现。

解决方法

使用pyclustering包（github主页），它基于Python和C++实现了数据挖掘中常用的聚类算法，以及一些振荡网络、神经网络的方法，截止该博文写作之时，这个工具包一直在持续更新，其实现的K-means聚类支持自定义的距离函数。在Python 3环境中安装该工具包pip3 install pyclustering，kmeans使用自定义距离聚类的实例代码如下：

from pyclustering.utils.metric import distance_metric, type_metric
from pyclustering.cluster