python - DBSCAN的参数eps，python

Question

我有一组点。它们的几何结构(SRID:4326)存储在数据库中。我得到了一个旨在用 DBSCAN 聚类这些点的代码。参数设置如下:eps=1000，min_points=1。

我获得了距离小于 1000 米的星团。我认为距离小于 1000 米的两个点属于同一个集群。 epsilon 真的以米为单位吗？

代码如下:

    self.algorithm='DBSCAN'
    X=self.data[:,[2,3]]
    if self.debug==True:
        print 'Nbr of Points: %d'% len(X)
    # print X.shape
    # print dist_matrix.shape
    D = distance.squareform(distance.pdist(X,'euclidean'))
    # print dist_matrix
    # S = 1 - (D / np.max(D))
    db = DBSCAN(eps, min_samples).fit(D)
    self.core_samples = db.core_sample_indices_
    self.labels = db.labels

目的不是找到另一种运行方式，而是真正了解 eps 的值(value)。它代表距离。 Min_sample 设置为 1，因为我确实接受大小为 1 个样本的集群。

Answer 1

这取决于您的实现。

您的距离函数可以返回任何东西；包括米、毫米、码、公里、英里、度……但是你没有分享你用什么函数来计算距离!如果我没记错的话，SRID: 4326 在距离计算上没有任何意义。

sklearn 使用的 "haversine" 似乎使用度，而不是米。

无论哪种方式，min_points=1 都是荒谬的。包含查询点，因此每个点本身都是一个簇。对于 min_points <= 2 ，DBSCAN 的结果将是单链接聚类。要获得基于密度的聚类，您需要选择更高的值以获得真实密度。

您可能想使用 ELKI 的 DBSCAN。根据他们的 Java 来源，他们的距离函数使用米，而且他们的 R*-tree 索引允许使用此距离进行加速范围查询，这将产生显着加速(O(n log n) 而不是 O(n^2))。