我知道 DBSCAN 需要两个参数（minPts 和 Eps）。但是，我对 OPTICS 需要哪些参数感到困惑，因为一些消息来源说它需要 eps 而其他人说它只需要 minPts。
如果我试图自动确定最能丢弃异常值的参数值，哪种算法会更好？
问问题
10042 次
3 回答
3
根据原始论文，minPts 和 Eps 都是必需的。 那些说不需要 eps 的消息来源可能正在使用某种方法来自动确定它的好值。但是，Eps 仅包含在内以减少算法的运行时间。这不是必需的。
关于哪个最适合去除异常值，没有比用数字支持您的决定更好的方法了：获取数据集并标记其异常值，然后针对它运行两种算法。对集群使用某种性能测量（AUC、F-score 等）来选择最好的。
于 2016-06-28T02:56:08.660 回答
2
OPTICS 可以使用 eps=infinity 运行。但它是 O(n^2) 复杂度。（假设您有一个实际使用索引进行加速的实现。）
但是 OPTICS 没有像 DBSCAN 那样定义明确的噪声概念。您可以获得的最接近的方法是采用集群层次结构的最顶层（即完整的数据集）减去下面集群中的任何内容。但是给定一个层次聚类，你可以在层次结构的多个层次上都有“噪声”，所以噪声的概念在这里不再适用了。
于 2016-06-28T10:58:19.610 回答
2
总而言之，有几点不同：
内存成本：OPTICS 集群技术需要更多内存，因为它维护一个优先级队列（Min Heap）来确定下一个数据点，该数据点在可达距离方面最接近当前正在处理的点。它还需要更多的计算能力，因为最近邻查询比 DBSCAN 中的半径查询更复杂。
更少的参数：OPTICS 聚类技术不需要维护 epsilon 参数，仅在上面的伪代码中给出，以减少花费的时间。这导致参数调整的分析过程减少。
OPTICS 不会将给定的数据分成集群。它仅产生一个可达距离图，并根据程序员的解释对点进行相应的聚类。
OPTICS 对参数设置相对不敏感。如果参数“足够大”，效果会很好。
更多详情，您可以参考
于 2020-04-28T02:14:19.883 回答