我有兴趣在距离度量为 Leveshtein 的单词列表上执行 kmeans 聚类。
1）我知道那里有很多框架，包括 scipy 和 orange 有一个 kmeans 实现。然而，它们都需要某种向量作为不适合我的数据。
2）我需要一个好的集群实现。我查看了 python-clustering 并意识到它没有 a) 返回到每个质心的所有距离的总和，并且 b) 它没有任何类型的迭代限制或截断，以确保聚类的质量。python-clustering 和 daniweb 上的聚类算法并不适合我。
有人能帮我找到一个好的库吗？谷歌不是我的朋友
是的，我认为我需要的东西没有一个很好的实现。
我有一些疯狂的要求，比如距离缓存等。
所以我想我会编写自己的库并很快将其作为 GPLv3 发布。
也许看看Weka。它是一个 Java 库，带有一些无监督学习实现和漂亮的可视化工具。自从我使用它已经有一段时间了，不确定它是否适合真正的生产环境，但绝对是一个很好的起点。
不是您具体问题的真正答案，但我建议您看一下“Programming Collective Intelligence”。在每一章的结尾，例如，聚类，它开始描述关于该主题的所有最佳读物。
在CrossValidated上这个非常好的答案怎么样？
它使用 Affinity Propagation 而不是 k-means，在这种情况下，您可以提供距离度量作为输入。我认为任何基于 k-means 的方法都不适用于您的情况，因为它基于构建质心，并且为了做到这一点，您必须在向量空间中。
Affinity Propagation 的好处是它会自动选择集群的数量，您可以通过更改偏好（默认情况下是所有成对距离的中位数，但您可以选择其他百分位数）来调整（拥有更多或更少的集群）。
如果您需要指定集群的确切数量，除了通过反复试验调整 Affinity Propagation 之外，您还可以寻找k-medoids的实现（显然 sklearn 中没有它的实现，但人们在这里和那里要求它） . K-medoids 不建立质心，因此不需要向量空间的概念。所以实现可能会接受一个预先计算的距离矩阵作为输入（虽然没有检查我给出的参考资料）。