python - 蛇状簇的聚类算法

Question

我正在寻找一种好的算法来识别数据集群，其中集群往往是线性的，有点像蛇一样的集群。我尝试了一些标准的聚类算法，如 DBSCAN、OPTICS、HDBSCAN 和 RobustSingleLinkage，但它们看起来都像下图一样，在蛇形簇和常规簇之间混淆了。有谁知道一个好的聚类算法来解决这个问题？

Anony-Mousse 的回答很有帮助。我将添加一些细节来展示我是如何应用它的。我使用了 DBSCAN，调整了 X 轴的比例和 DBSCAN eps 值，直到它开始拾取更多的水平簇。这非常有效，足以满足我的目的。

scan = cluster.DBSCAN(eps=20, min_samples=10, metric="l1", n_jobs=-1)
X_val[:, 0] = X_val[:, 0]/20000
scan.fit(X_val)
y_pred = scan.labels_.astype(np.int) + 1
# y_pred = np.where(y_pred > 0, 1, 0)
plt.scatter(X.iloc[:, 0]/20000, X.iloc[:, 1], color=colors[y_pred])

Answer 1

不要试图通过反复试验来解决这个问题。

了解您的问题，了解您的数据，然后选择算法。

1. 您的 x 轴似乎是一个序列号
2. 您的 y 轴似乎是一个测量值

(x,y) 上的欧几里得距离没有多大意义，是吗？

相反，您需要设置一些阈值。事实上，DBSCAN 的一种变体，称为广义 DBSCAN，对此类数据最有意义。

在以下情况下，您希望点位于集群中：

1. 它们在 x 轴上最多相差dx=100
2. 它们在 y 轴上最多相差dy=10
3. 那里至少有10个点

由于您似乎正在使用 python，对此我不知道 GeneralizedDBSCAN 的任何实现，您将不得不“破解” DBSCAN 来模拟这种行为。尝试以下操作：按 dx/dy 缩放 y 轴（此处：10）。然后尝试使用 radiuseps=dx和min_samples=10Manhattan metric的 DBSCAN metric="l1"。由于 sklearn 也没有最大范数，您也可以旋转 45 度并使用更大的半径来更接近 Generalized DBSCAN 在上述规则下给出的结果。但最重要的是调整两个特征的权重（不要使用启发式归一化，而是根据问题更喜欢可解释的值！）

Answer 2

您还可以尝试光谱聚类或高斯混合模型。另外，我现在还不会放弃 DBSCAN，也许你只需要更多地使用参数。