r - 为 DBSCAN (R) 选择 eps 和 minpts？

Question

我一直在寻找这个问题的答案，所以我希望有人能帮助我。我正在使用 R 中 fpc 库中的 dbscan。例如，我正在查看 USArrests 数据集并对其使用 dbscan，如下所示:

library(fpc)
ds <- dbscan(USArrests,eps=20)

在这种情况下，选择 eps 只是通过反复试验。但是我想知道是否有一个函数或代码可用于自动选择最佳 eps/minpts。我知道有些书建议绘制到其最近邻居的第 k 个排序距离的图。即，x轴表示“根据到第k个最近邻居的距离排序的点”，y轴表示“第k个最近邻居距离”。

这种类型的图对于帮助选择适当的 eps 和 minpts 值非常有用。我希望我已经提供了足够的信息供有人帮助我。我想发布一张图片来表达我的意思，但我仍然是新手，所以还不能发布图像。

Answer 1

没有选择 minPts 的通用方法。这取决于您想要找到什么。较低的 minPts 意味着它将从噪声中构建更多集群，因此不要选择太小。

对于epsilon，有多个方面。它再次归结为选择适用于这个数据集和这个 minPts和这个距离函数以及这个标准化。您可以尝试制作 knn 距离直方图并在那里选择一个“膝盖”，但可能没有可见的一个或多个。

OPTICS 是 DBSCAN 的后继者，不需要 epsilon 参数(除了索引支持的性能原因，请参阅维基百科)。它好多了，但我相信在 R 中实现它很痛苦，因为它需要高级数据结构(理想情况下，用于加速的数据索引树和用于优先级队列的可更新堆)，并且 R都是关于矩阵运算的。

天真地，人们可以将 OPTICS 想象为同时执行 Epsilon 的所有值，并将结果放入集群层次结构中。

但是，您需要检查的第一件事 - 几乎独立于您要使用的任何聚类算法 - 是确保您拥有有用的距离函数和适当的数据标准化。如果您的距离退化，没有聚类算法将起作用。