假设我已经找到了所有密度的eps。我从这里应用了方法http://ijiset.com/v1s4/IJISET_V1_I4_48.pdf
如果您不介意，请打开第 5 页并查看建议算法部分。在步骤 10.1，论文告诉我们计算eps-neighborhood中的对象数量。
eps实际上代表什么？画圆是半径吗？那么，为什么半径这么小，比两个物体之间的距离还小呢？如果是这样，MinPts 将永远为 0。
问问题
397 次
2 回答
1
是的，如果与欧几里得距离一起使用，那么它是一个半径。
它不是无限小（它不会趋向于 0）。与数据集扩展相比，它应该很小，但作者可以将其命名为“r”。
使用原始论文来理解算法，而不是它的一些印度期刊变体。
于 2015-04-27T06:04:12.190 回答
0
在欧几里得距离中，它是半径。每股收益的选择有点困难。
这个问题与模型选择有关，即特定模型的选择及其相应的参数化。在 k-means 的情况下（需要用户输入集群的数量），文献中有大量的措施可以帮助选择最佳的集群数量，例如：剪影、c-index ，邓恩，戴维斯-博尔丁。这些措施就是所谓的相对有效性标准。
在基于密度的聚类算法的情况下，也有一些措施，例如：CDbw 和 DBCV。
于 2018-04-09T17:54:27.920 回答