什么是地理定位聚类的正确方法和聚类算法？
我正在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-means 进行地理定位聚类是否正确，因为它使用欧几里德距离，而不是Haversine 公式作为距离函数？
K-means 不是这里最合适的算法。
原因是 k-means 旨在最小化方差。当然，这是从统计和信号处理的角度来看的，但您的数据不是“线性的”。
由于您的数据采用纬度、经度格式，因此您应该使用可以处理任意距离函数的算法，尤其是大地距离函数。层次聚类、PAM、CLARA 和 DBSCAN 是这方面的流行示例。
这建议使用 OPTICS 集群。
当您考虑接近 +-180 度环绕的点时，很容易看出 k-means 的问题。即使你破解了k-means来使用Haversine距离，在更新步骤中，当它重新计算平均值时，结果也会被严重搞砸。最坏的情况是，k-means 永远不会收敛！
在这种情况下，K-means 应该是正确的。由于 k-means 尝试仅根据对象之间的欧几里德距离进行分组，因此您将获得彼此靠近的位置集群。
要找到最佳聚类数，您可以尝试绘制组内平方和距离的“弯头”图。这可能会有所帮助
GPS 坐标可以直接转换为geohash。Geohash 根据位数将地球划分为不同大小的“桶”（短 Geohash 代码创建大区域，较长代码用于较小区域）。Geohash 是一种可调整的精度聚类方法。
我的回答可能很晚，但如果您仍在处理地理聚类，您可能会发现这项研究很有趣。它处理了两种截然不同的地理数据分类方法的比较：K-means 聚类和潜在类增长建模。
研究中的一张图片：
作者得出的结论是，最终结果总体上是相似的，并且在某些方面 LCGM 优于 K-means。