我有一个看似微不足道的问题。我需要有人为我澄清ELKI 实现中 DBSCAN MinPts 参数的含义。
如果我使用k = 4 的值来绘制已排序的k -dist 图，则它表示点p到其第 4 个最近邻的距离。这意味着邻域包含 5 个点 ( k + 1)；4 个邻居加上点p。
在 ELKI 中，MinPts是仅表示邻居还是还包括点p？在上述情况下，应该设置为 4 还是 5？
最初的DBSCAN 论文（Ester et al. 1996）谈到将 MinPts 设置为k（MinPts = 4）。DBSCAN Wikipedia 文章似乎也暗示MinPts指的是 p 周围的邻居。然而，ELKI 似乎期望MinPts设置为k + 1 ( MinPts = 5)。
有人请澄清。
如果您在数据库上下文中，并且您向数据库发送查询
选择坐标 x,y,z 周围 r 半径内的所有对象
然后数据库将包括查询点，如果它存储在数据库中。特别是，如果不希望包含它，您可以轻松删除它。从数据库的角度来看，查询应该包括查询点，如果它在数据库中，而不是，如果它没有存储在数据库中。
更重要的是，如果您进行密度估计，那么每个数据点都应该对密度做出贡献，不是吗？为什么会有一点特别？具有完全相同坐标的其他点呢？如果您估计不在数据库中的点的密度怎么办？如果您稍微远离查询点，您会看到密度突然增加！
如果您尝试将 k-最近邻定义为对数据库 D 的查询，并且不要求查询点 x 是数据库的一部分，那么很自然地，结果应该包括查询点（如果它是一部分）的 D。
另一方面，1-最近邻通常是查询点是违反直觉的。通常，不幸的是，当您在寻找“最近的邻居”时，您的意思是“最近的其他对象”。即使这将正式转换为“在没有我的查询点的情况下，我的数据库中查询点坐标最近的对象”。
不幸的是，这在文学作品中并没有得到一致的使用。一些文章/作者/应用程序包含查询点，而有些则不包含查询点。对于这两种情况，我可以从文献中举出很多例子。
甚至一篇文章有时也会在一个图中包含查询点，而在另一个图中不包含！
永远不会有一个符合每个人期望的解决方案，因为不幸的是，人们对什么是“正确的”确实有不同的想法。
您将必须决定您希望的行为是什么，并仔细检查所有内容是否符合您的预期。记录您的决定和观察结果。
请检查自己是否在 ELKI 中实现 k 距离图包括查询点。我们甚至可能（已经）在 0.7 或 0.8 版本中更改了此类的行为；所以对我来说可能和你不同。真的，真的看看你正在使用的确切版本的来源。
如果 k 距离图不包含查询点，则需要使用 3 距离minPts=4。如果确实包含查询点，则 4-distance 与 一致minPts=4。我很确定 DBSCAN确实出于上述原因（数据库的观点、密度估计的观点）计算了查询点。因此对于 DBSCAN，minPts=1 是无意义的（每个点都是核心点），而 minPts=2 是单链接聚类（合并任何 epsilon-neighbors）。只有在 minPts > 2 时，您才开始获得真正的 DBSCAN 结果。
GDBSCAN 建议使用2*dim-1而不是 4；我通常从 开始minPts=10，然后尝试20。选择更大的有几个原因minPts：
minPts（但对于文本数据，维度是没有意义的——最多由固有维度选择）minPtsminPts但不要过头。查询半径较大时，索引效率会大幅下降。您想选择minPts尽可能小，同时仍然获得有趣的结果。还要使用多个值，以获得不同的视图。
请记住，聚类是探索性数据挖掘。它旨在要求您对参数进行试验，并研究结果，然后重复。因为没有正确的聚类结果。聚类结果的质量是您是否可以对数据有新的见解。仅再现已知结果的聚类实际上已经失败。