skearn DBSCAN聚类自定义距离函数DTW

2019独角兽企业重金招聘Python工程师标准>>>

某些特殊场景下，普通的欧式距离、曼哈顿距离等并不能满足我们的需求。例如在语音识别中，常使用DTW距离（Dynamic Time Warping，动态时间归整），如下图，实线和虚线分别是同一个词“pen”的两个语音波形（在y轴上拉开了，以便观察）。可以看到他们整体上的波形形状很相似，但在时间轴上却是不对齐的。

同时间度量转变为同模式度量，才能更好地反映2个语音波形的相似性：

（图片转载自：https://www.cnblogs.com/Daringoo/p/4095508.html）

而在sklearn中，我们可以自定义部分机器学习模型的距离函数，例如聚类算法DBSCAN就可以自定义距离：

dbscan = DBSCAN(eps=14,
                min_samples=2,
                metric=lambda a, b: DTW.distance(a, b))

使用metric参数即可。那么算法对这个距离函数有什么要求呢？

1、给出2组feature，它们的类型都是np.ndarray

2、返回一个距离，数据类型是float

为了使得距离适应DTW的特性（即长短不一致），又符合同类相比的距离标准（即所有feature长度一致），我们使用一个特殊数字-9999来填充所有的曲线，使它们长度一直。在运算中，我们用return_center_data函数把这个数字去掉，使得DTW算法能够正确地对原始数据进行距离计算。

由于函数输入变量的类型为np.ndarray，我们为了后续方便操作，全部转化为list类型

    @staticmethod
    def distance(s1, s2, signal_num=-9999):
        # type: (np.ndarray, np.ndarray, int) -> float
        tmp_s1 = []
        for i in s1:
            tmp_s1.append(i)
        tmp_s2 = []
        for i in s2:
            tmp_s2.append(i)
        s1_in = DTW.return_center_data(tmp_s1, signal_num)
        s2_in = DTW.return_center_data(tmp_s2, signal_num)
        result = DTW.dtw(s1_in, s2_in, DTW.dist_for_float)[0]

        return result

这样就能正确计算距离，并且聚类了：

聚类结果为：

[0 0 1 1 1]

结果显示曲线可分成两类。详细两两对比的距离结果如