r - DBSCAN 用于按位置和密度对数据进行聚类

Question

我使用方法 dbscan::dbscan 来按位置和密度对数据进行聚类。

我的数据如下所示:

str(data)
'data.frame': 4872 obs. of 3 variables:
 $ price    : num ...
 $ lat      : num ...
 $ lng      : num ...

现在我使用以下代码:

EPS = 7
cluster.dbscan <- dbscan(data, eps = EPS, minPts = 30, borderPoints = T, 
search = "kdtree")
plot(lat ~ lng, data = data, col = cluster.dbscan$cluster + 1L, pch = 20)

但结果根本不令人满意，点并没有真正聚集。

我希望能够很好地定义集群，如下所示:

我还尝试使用效果更好的决策树分类器tree:tree，但我无法判断它是否真的是一个好的分类。

文件:

http://www.file-upload.net/download-11246655/file.csv.html

问题:

• 有可能实现我想要的吗？
• 我使用的方法正确吗？
• 我应该更多地使用这些参数吗？如果是，用哪个？

Answer 1

这是使用全新 HDBSCAN* 算法仔细基于密度的聚类的输出。

使用半正矢距离，而不是欧几里德距离!

它确定了一些比周围环境密度更高的 50 多个区域。在此图中，某些簇看起来好像只有 3 个元素，但它们确实有更多元素。

最外面的区域，这些是根本不属于任何簇的噪声点!

(使用的参数:-verbose -dbc.in file.csv -parser.labelIndices 0,1 -algorithm clustering.hierarchical.extraction.HDBSCANHierarchyExtraction -algorithm SLINKHDBSCANLinearMemory -algorithm.distancefunction geo.LatLngDistanceFunction -hdbscan.minPts 20 -hdbscan.minclsize 20)

OPTICS 是另一种基于密度的算法，结果如下:

同样，我们有一个带有红点的“噪声”区域根本不密集。

使用的参数:-verbose -dbc.in file.csv -parser.labelIndices 0,1 -algorithm clustering.optics.OPTICSXi -opticsxi.xi 0.1 -algorithm.distancefunction geo.LatLngDistanceFunction -optics.minpts 25

该数据集的 OPTICS 图如下所示:

你可以看到有很多小山谷对应着簇。但这里没有“大”结构。

您可能正在寻找这样的结果:

但事实上，这是一种将数据分成大块的无意义且相当随机的方式。当然，它可以最大限度地减少方差；但它根本不关心数据的结构。 一个簇内的点通常比不同簇中的点有更少的共同点。只需查看红色、橙色和紫色簇之间边界上的点即可。

最后但并非最不重要的一点是，老前辈:具有完整链接的层次聚类:

和树状图:

(使用的参数:-verbose -dbc.in file.csv -parser.labelIndices 0,1 -algorithm clustering.hierarchical.extraction.SimplifiedHierarchyExtraction -algorithm AnderbergHierarchicalClustering -algorithm.distancefunction geo.LatLngDistanceFunction -hierarchical.linkage CompleteLinkageMethod -hdbscan.minclsize 50)

还不错。完整的链接对于此类数据也非常有效。但您可以合并或拆分这些集群中的任何一个。