根据 sklearn kmeans 文档，它说 k-means 需要一个 shape=(n_samples, n_features) 的矩阵。但我提供了一个 shape=(n_samples,n_samples) 的距离矩阵，其中每个索引保存两个字符串之间的距离。时间序列已使用 SAX 表示法转换为字符串。
当我使用距离矩阵运行聚类时，它给出了良好的结果。可能的原因是什么？据我所知，K-medoids 是与距离矩阵一起使用的。
K-means，顾名思义，使用 means。
计算算术平均值需要访问原始特征，不能使用距离矩阵。
K-means 也不使用成对距离。所以距离矩阵对于这个算法来说是没有用的。
选择不同的算法，例如层次聚类。
我还通过在 Kmeans sklearn 中插入距离矩阵来做到这一点。我尝试了一种不同的方法，使用 sckit learn Timeserieskmeans 以及度量“dtw”来处理相同的数据（类似数组），结果非常相似。怎么办？