2

我有一个点数据集；

 lat   |long    | time
 34.53  -126.34  1
 34.52  -126.32  2
 34.51  -126.31  3
 34.54  -126.36  4
 34.59  -126.28  5
 34.63  -126.14  6
 34.70  -126.05  7
 ...

（更大的数据集，但这是一般结构。）

我想根据距离和时间对点进行聚类。DBSCAN 似乎是一个不错的选择，因为我不知道有多少集群。

我目前正在使用分钟/5500（我相信，它大约是 20 米，按比例缩放。）

library(fpc)
 results<-dbscan(data,MinPts=3,eps=0.00045,method="raw",scale=FALSE,showplot=1)

由于我有原始数据，因此我无法理解如何确定缩放/距离。我可以猜测缩放或未缩放时的 eps 值，但我不清楚缩放是做什么的，或者正在使用什么距离度量（也许是欧几里德距离？）在某处是否有相关文档？

（这不是要找到一种自动选择方法，（例如为 DBSCAN (R) 选择 eps 和 minpts？），而是关于不同值的含义。说“您首先需要一个距离函数”并不能解释距离函数是什么正在使用的是，或者如何创建一个......）

4

2 回答 2

1

首先计算数据的距离矩阵。然后，method='row'您可以使用method='dist'. 这样，dbscan 会将您的数据视为距离矩阵，因此无需担心距离函数是如何实现的。请注意，这可能需要更多内存，因为您正在预先计算距离矩阵并将其存储在内存中。

于 2013-09-04T14:34:15.767 回答
0

我不使用R/fpc但ELKI，所以我不能真正回答你的问题。原因是我发现它比 快得多fpc，特别是当您可以使用索引时。当您使用百万点的数据集时，差异是巨大的。

此外，它非常灵活，这似乎是您所需要的：

ELKI 确实有一个使用大圆距离的 LatLng 距离函数。然后我可以很容易地以公里为单位设置 epsilon。

但是，您也有一个time属性。您是否有计划将其包含在您的分析中？ELKI 有一个关于编写自定义距离函数的教程，这可能是你当时需要的。您应该能够重用大圆距离，这是 DBSCAN 为您提供的一个巧妙技巧：

DBSCAN 并不真正需要距离。它需要知道邻居，但距离仅用于与 epsilon 进行比较。因此，通过定义一个距离函数，当两个对象应该相似时为 0，如果应该不同则为 1，再加上 0.5 的 epsilon，您可以进行更复杂的聚类。在您的上下文中，您可以将距离函数定义为：

0 if the distance is less than 0.1 km and the time difference is also less than t
1 otherwise
于 2013-02-21T06:39:20.343 回答