4

我一直在尝试使用 scikit 实现 DBSCAN，但到目前为止未能确定 epsilon 和 min_sample 的值，这将为我提供大量集群。我尝试在距离矩阵中找到平均值并使用平均值两侧的值，但没有得到令人满意的聚类数量：

输入：

db=DBSCAN(eps=13.0,min_samples=100).fit(X)
labels = db.labels_

# Number of clusters in labels, ignoring noise if present.
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
print('Estimated number of clusters: %d' % n_clusters_)

输出：

Estimated number of clusters: 1

输入：

db=DBSCAN(eps=27.0,min_samples=100).fit(X)

输出：

Estimated number of clusters: 1

其他信息也是如此：

The average distance between any 2 points in the distance matrix is 16.8354
the min distance is 1.0
the max distance is 258.653

此外，代码中传递的 X 不是距离矩阵，而是特征向量矩阵。所以请告诉我如何确定这些参数

4

2 回答 2

6

  1. 绘制一个 k 距离图，并在那里寻找一个膝盖。正如 DBSCAN 文章中所建议的那样。（你的 min_samples 可能太高了——那时你可能不会在 100 距离图中有膝盖。）

  2. 可视化您的数据。如果您无法直观地看到集群，则可能没有集群。不能强制 DBSCAN 生成任意数量的集群。如果您的数据集是高斯分布，则它应该只是一个集群。

于 2014-10-31T02:56:02.447 回答
4

尝试将min_samples参数更改为较低的值。此参数影响形成的每个集群的最小大小。可能是，可能形成的集群都是小规模的，而您现在使用的参数太高而无法形成。

于 2014-10-31T02:17:33.957 回答