我正在使用像DBSCAN这样的聚类算法。

它返回了一个名为-1的“聚类”，这些是没有属于任何聚类的点。对于这些点，我希望确定它们到最近聚类的距离，以便获得一个衡量这些点异常程度的指标。这是可能的吗？或者有没有替代的指标方法？

回答：

答案将取决于你选择的连接策略。我将以单连接为例进行说明。

首先，你可以构建数据的距离矩阵。

from sklearn.metrics.pairwise import pairwise_distancesdist_matrix = pairwise_distances(X)

然后，你将提取最近的聚类：

for point in unclustered_points:    distances = []    for cluster in clusters:        distance = dist_matrix[point, cluster].min()  # 单连接        distances.append(distance)    print("The cluster for {} is {}".format(point, cluster)

编辑：这有效，但正如Anony-Mousse指出的，它是O(n^2)的。考虑核心点是一个更好的主意，因为它可以减少你的工作量。此外，这与质心连接有些相似。