问题标签 [dbscan]

我在java中实现DBSCAN。我遵循了这里给出的算法（维基百科）。我认为我说得对，但由于某种原因，只形成了 1 个集群。Java代码看起来像

节点类很简单，具有 int x int y 和布尔噪声并已访问。数据在这里提供数据

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：

输出：

输入：

输出：

其他信息也是如此：

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

In DBSCAN, the core points is defined as having more than MinPts within Eps.

So if MinPts = 4, a points with total 5 points in Eps is definitely a core point. How about a point with 4 points (including itself) in Eps? Is it a core point, or a border point?

我有一组分布在球体上的数据，我试图了解必须为 scikit-learn 分发的函数 DBS​​CAN 提供哪些指标。它不能是欧几里得度量，因为点分布的度量不是欧几里得。在 sklearn 数据包中，是否有针对此类情况实施的度量标准，或者将数据划分为小子集是最简单（如果冗长且乏味）的方法吗？

PS我是python的菜鸟

PPS 如果我“预计算”指标，我必须以什么形式提交我的预计算数据？像这样？

0 - 事件1 - 事件2 - ...

事件 1 - 0 - 距离（事件 1，事件 2） - ...

事件 2 - 距离（事件 1，事件 2） - 0

请帮忙？

这是我的代码。

data3 是一个熊猫数据框：

我收到以下错误：

问题是什么？

我通过 dbscan skelearn 制作了以下集群

我的数据是一个 numpy 数组：

我想将两个新集群作为变量添加到我的数据中。我使用的代码是：

如何将它们保存为变量？是否有评估这些集群质量的函数，例如 Silhoutte Coefficient？

我正在尝试使用 apache.commons.math3.ml.clustering 中的 DBSCANClusterer。函数集群返回集群列表，但对我来说，列表的大小始终为 0。我做错了什么？下面是我的测试代码：

文件 cluster.txt 包含两列，其中 X 和 Y 值用制表符分隔。我尝试了一些不同的数据，但我总是得到 0。

我首选的算法是 scikit-learn 中的 DBSCAN。但是，我不确定是否（以及如何）将半径与我已经使用的纬度和经度结合起来。我的第二个问题是如何计算新集群的中心。有任何想法吗？

我正在使用 DBSCAN 使用 Scikit-Learn (Python 2.7) 对一些数据进行聚类：

但是，我发现没有内置函数（除了“fit_predict”）可以将新数据点 Y 分配给原始数据 X 中标识的集群。K-means 方法有一个“预测”功能，但我希望能够对 DBSCAN 做同样的事情。像这样的东西：

因此可以从 X 中推断出密度，但返回值（集群分配/标签）仅适用于 Y。据我所知，此功能在 R 中可用，因此我假设它在 Python 中也以某种方式可用。我似乎找不到任何文档。

此外，我尝试寻找 DBSCAN 不能用于标记新数据的原因，但我没有找到任何理由。

假设我的文本数据如下图，以列表的形式。

我正在使用 TFIDFVectorizer 和 DBSCAN Clustering 来聚类此文本并给它们一个标签。

我得到的输出为

所以基本上 DBSCAN 将我的所有数据标记为“-1”，这将其归类为噪声，如 sklearn DBSCAN 文档中所述。