我的首选算法是scikit-learn中的DBSCAN。但是，我不确定是否（以及如何）除了已经使用的经度和纬度之外还包括半径。我的第二个问题是如何计算新集群的中心。有任何想法吗？
最佳答案
DBSCAN使用epsilon半径查询。在这里您可以使用纬度和经度。
我不知道scikit-learn是否允许您使用任意距离。我已经看过blog post关于使用OPTICS（DBSCAN的后继产品）使用纬度和经度来聚类2300万条推文的信息。但是它使用ELKI而不是scikit-learn。
DBSCAN不使用质心。因此，您根本不需要在球上进行计算。
实际上，质心对于DBSCAN没有意义。如果它们不是凸的，它们可能在簇的外面； DBSCAN可以找到非凸簇。考虑一个以湖为中心的城市。重心可能正好在湖中。还是海湾中的城市-重心将在海湾内。海湾地区（旧金山，奥克兰等）的质心可能在宝岛附近...等等。
关于python - 如何执行经纬度数据点的聚类，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/27446171/