为DBSCAN选择eps和minPts的例程

根据一些文献，DBSCAN是最常被引用的聚类算法，它可以基于密度找到任意形状的聚类。它有两个参数eps（作为邻域半径）和minPts（作为将一个点视为核心点的最小邻居），我认为这很大程度上取决于它们。

是否有任何常规或常用方法来选择这些参数？

clustering dbscan

— Mehraban
source

请注意，在堆栈溢出上也有类似的问题：为DBSCAN（R）选择eps和minpts？

— gung-恢复莫妮卡

有许多出版物提出了选择这些参数的方法。

最著名的是OPTICS，它是一种DBSCAN变体，它消除了epsilon参数。它产生了一个分层结果，可以粗略地看成是“在所有可能的epsilon上运行DBSCAN”。

对于minPts，我建议不要依赖自动方法，而要依赖您的领域知识。

好的聚类算法具有参数，可让您根据需要对其进行自定义。

您忽略的参数是距离函数。DBSCAN要做的第一件事是为您的应用程序找到一个好的距离函数。不要依赖欧几里得距离是每种应用的最佳选择！

— 有QUIT--Anony-Mousse
source

尽管用户可以选择距离功能，但我怀疑它是一个参数。

— Mehraban 2014年

当然是的。它与任何其他内核化方法（实际上您可以通过这种方式对DBSCAN进行内核化）的内核函数一样多，而且是一个参数，以我的经验，诸如Canberra或Clark的其他距离可以显着改善结果。

— 已退出–Anony-Mousse 2014年

我并没有低估距离函数对聚类的影响，但是我认为它是某种程度上通用的，并不是特定于dbscan或其他所有聚类算法的。而eps和minPts是显式的dbscan参数。

— Mehraban 2014年

也有很多基于非距离的算法。并且当您认为minPts与例如k最近邻居分类相同时，则可以对minPts参数说相同。我猜主要的区别是距离，存在一个“通常”的明智默认值：欧几里得距离；而对于minPts，该值将取决于数据。

— 已退出–Anony-Mousse 2014年

OPTICS本身不会为您提供分区，而是为群集提供顺序。要获得分区，请使用OPTICS论文中描述的xi提取。请参阅每个变体文件以了解差异。

— 已退出–Anony-Mousse