data-mining - 如何将 DBSCAN 算法应用于相似 url 的分组

Question

如何使用 DBSCAN 算法对相似的 url 进行分组。我见过很多数据集，但没有一个在 url 上，我想采用类似类型的 url 并将其组合在一起。在这里，我无法知道距离（eps），而 minpoints 可以是要分组的 url 的数量。

Answer 1

DBSCAN 需要一个距离函数和一个阈值来检测相似的物体。

所以继续吧，首先你需要定义一个适当的距离函数和一个阈值，然后我们可以帮助你使用 DBSCAN（但你应该能够找到可以扩展到任意距离函数的 DBSCAN 实现）。

关键的挑战是距离，这取决于你，因为我们不知道你想得到什么。这是非常主观的，我们只是不知道您想要或需要什么。