Scikit DBSCAN eps 和 min_sample 值确定

Posted 2023-03-12

【中文标题】Scikit DBSCAN eps 和 min_sample 值确定

【英文标题】：Scikit DBSCAN eps and min_sample value determination

【发布时间】：2014-12-27 06:48:00

【问题描述】：

我一直在尝试使用 scikit 实现 DBSCAN，但目前无法确定 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集群数量：

输入：

db=DBSCAN(eps=13.0,min_samples=100).fit(X)
labels = db.labels_

# Number of clusters in labels, ignoring noise if present.
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
print('Estimated number of clusters: %d' % n_clusters_)

输出：

Estimated number of clusters: 1

输入：

db=DBSCAN(eps=27.0,min_samples=100).fit(X)

输出：

Estimated number of clusters: 1

还有其他信息：

The average distance between any 2 points in the distance matrix is 16.8354
the min distance is 1.0
the max distance is 258.653

另外代码中传入的X不是距离矩阵，而是特征向量的矩阵。 所以请告诉我如何确定这些参数

【问题讨论】：

你有多少样品？

【参考方案1】：

绘制一个 k 距离图，并在那里寻找一个膝盖。正如 DBSCAN 文章中所建议的那样。 （您的 min_samples 可能太高 - 那时您可能不会在 100 距离图中出现膝盖。）

可视化您的数据。如果您无法直观地看到集群，则可能没有集群。不能强制 DBSCAN 生成任意数量的集群。如果您的数据集是一个高斯分布，那么它假定只是一个单一的集群。

【参考方案2】：

尝试将min_samples 参数更改为较低的值。此参数影响形成的每个集群的最小大小。可能是，可能形成的集群都是小规模的，而您现在使用的参数太高而无法形成。