聚类地理位置坐标(lat，长对)

Question

地理位置聚类的正确方法和聚类算法是什么？

我使用以下代码对地理位置坐标进行聚类：

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()

使用K-均值进行地理定位聚类是否正确，因为它使用欧几里得距离，而不是Haversine公式作为距离函数？

Answer 1

在这种情况下，K-均值应该是对的。由于k-的意思是只根据物体之间的欧几里德距离进行分组，你将得到彼此接近的位置簇。

要找到最优的簇数，您可以尝试做一个‘肘部’图的群内和的平方距离。这可能会有帮助

Answer 2

K-均值不是这里最合适的算法。

原因是k均值是为了最小化方差而设计的。当然，这是从统计和信号处理的角度来看的，但您的数据并不是“线性的”。

由于您的数据是纬度、经度格式，所以您应该使用一种可以处理任意距离函数的算法，特别是大地距离函数。分层聚类、PAM、CLARA和DBSCAN是这方面的流行例子。

这推荐光学聚类。

当你考虑接近+-180度绕线的点时，k-均值的问题很容易看出。即使你砍了k-意味着使用Haversine距离，在更新步骤中，当它重新计算结果的平均值时，结果将被严重破坏。最坏的情况是，k-均值永远不会收敛！

Answer 3

我的答案可能很晚了，但是如果您仍然在处理geo集群，您可能会发现本研究很有趣。比较了两种不同的地理数据分类方法:K均值聚类和潜在类增长模型。

研究中的一幅图片是：

作者的结论是，最终的结果是完全相似的，并且有一些方面的LCGM过高的K-手段。