cluster-analysis - DBSCAN 输入说明

Question

DBSCAN算法究竟将什么作为输入？

为什么我weka在编码算法中有不同的输出？

在编码算法中，它只需要 2 个输入，而在weka它可能需要 3 个。

有人可以帮我理解算法吗？

Answer 1

该算法在Wikipedia中有很好的描述。配置输入为：

• eps: epsilon 邻域的最大距离。
• minPts：形成一个区域所需的点数。

简而言之：如果数据点周围的 epsilon 邻域至少包含minPts. 进一步输入：

• 数据集（显然）
• （也许）一个距离函数，如果算法允许在这方面进行参数化

Answer 2

对于“2 个输入”，您是指偶然的两个变量（维度）吗？

如果您的代码仅适用于二维，请阅读距离函数。大多数距离函数可以很容易地计算两个以上的维度......例如，欧几里得距离定义为

sqrt(pow(x_i-y_i, 2).sum())

当您将 i 从 1 循环到 n > 2 时，它也很有效。

DBSCAN有2个明显参数和1个隐藏参数：minPts和epsilon是明显参数，隐藏参数是距离函数。哪个对结果的影响最大，需要数据理解才能选择。不幸的是，没有经验法则来选择这个参数。这真的取决于你的数据。

如果您在 Weka 实现中得到不同的结果，我并不感到惊讶。它包含隐式数据规范化，这往往会产生意想不到的结果...... DBSCAN 的最佳实现可以在ELKI中找到恕我直言。如果启用数据索引，它真的很快。