DBSCAN算法是否可以创建小于minPts的集群？
我刚刚编写了DBSCAN算法，我想知道DBSCAN算法是否允许群集中的点数少于使用的minPts参数。 我一直在使用http://people.cs.nctu.edu.tw/~rsliang/dbscan/testdatagen.html验证我的实现，它似乎工作正常，只是遇到了这个问题。 我正在对一个样本数据集运行一些模拟，我一直在使用minPts为3。DBSCAN算法通常会从数据集创
..
dbscan相关内容
scikit-learn DBSCAN 内存使用
更新: 最后，我选择用于对大型数据集进行聚类的解决方案是下面 Anony-Mousse 建议的解决方案.也就是说，使用 ELKI 的 DBSCAN 实现来进行我的聚类，而不是 scikit-learn 的.它可以从命令行运行并使用适当的索引，在几个小时内执行此任务.使用 GUI 和小样本数据集计算出您想要使用的选项，然后前往镇上.值得一看.任何人，请继续阅读我的原始问题的描述和一些有趣的讨论.
..
DBSCAN on spark:哪个实现
我想在 Spark 上做一些 DBSCAN.我目前找到了 2 个实现: https://github.com/irvingc/dbscan-on-spark https://github.com/alitouka/spark_dbscan 我已经使用其 github 中给出的 sbt 配置测试了第一个，但是: jar 中的函数与文档或 github 上的源中的函数不同.比如我在
..
DBSCAN 聚类 - 将聚类结果导出到新列问题
我在 Iris 数据集下使用 python 编写了一个代码 - 我使用的聚类技术是 DBSCAN.我需要将所需的结果取出到一个新列中.我有聚类的图形图表.需要取出更新后的新簇列的总数据集. 在 K-Means 中，我可以通过运行以下命令来做到这一点 iris_frame['NEW_COLUMN'] = pd.Series(y, index=iris_frame.index) 在分层聚类中
..
围绕一个单独点的密度聚类-Python
我的目标是根据xy点的邻近程度对其进行聚类.具体来说，是将彼此靠近的分组点进行分组.我也希望使用一个单独的参考点来对数据进行聚类. 注意:我有多组数据需要独立集群.例如，使用下面的代码， Item 中的每个唯一值表示一组不同的数据.我可以有多个唯一的数据集，它们的稀疏性各不相同.因此，任何通过预定数量簇的技术都是不现实的，因为我每次都必须手动检查拟合并调整适当的参数. 正因为如此，到目
..
如何在python中绘制k距离图
如何在DBSCAN中绘制给定的最小点值的距离图(在python中)? 我正在寻找膝盖和相应的epsilon值. 在sklearn中，我看不到任何返回此距离的方法....我缺少什么吗? 解决方案 您可能希望使用numpy提供的矩阵运算来加快距离矩阵的计算速度. def k_distances2(x，k):dim0 = x.shape [0]dim1 = x.shape [1]
..
DBSCAN的ELKI实现中的sample_weight选项
我的目标是在包含许多几乎重复的点的数据集中找到离群值，并且我想使用DBSCAN的ELKI实现来完成此任务. 由于我不关心集群本身而是异常值(我认为离群值相对较远)，所以我想通过在网格上聚集/合并点并使用scikit中实现的概念来加快运行时间-以
..
使用DBSCAN进行集群：如果不预先设置集群数，如何训练模型？
我正在使用sklearn的内置数据集虹膜进行聚类。在KMeans中，我预先设置了群集数，但对于DBSCAN而言并非如此。如果您不预先设置簇数，该如何训练模型？ 我尝试过： import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns ＃％matpl
..
确定DBSCAN算法的输入值
我已经用python编写了实现DBSCAN集群算法的代码。 我的数据集包含14000个用户，每个用户由10个要素表示。 我无法确定将Min_samples和epsilon的值确切保留为输入 我应该如何确定呢？ 相似性度量是欧几里德距离。（因此，它变得更加难以确定。）是否有指针？ 解决方案 DBSCAN通常很难估计其参数。 您是否考虑过OPTICS算法？在这种情况下，您只需要M
..
我很难理解OPTICS聚类算法中的订购概念
我很难理解OPTICS聚类算法中的订购概念。 如果有人能对订购和订购提供逻辑和直观的解释，我将不胜感激。还说明了以下代码中 res $ order 的功能以及可获取性图（可以通过命令“ plot（res）”获得）。 库（dbscan） set.seed（2） n x
..
如何选择eps和minPts（DBSCAN算法的两个参数）以获得有效结果？
我应该使用哪种例程或算法向DBSCAN算法提供eps和minPts参数以获得有效结果？ 解决方案 DBSCAN论文建议根据维数选择minPts，根据k距离图中的肘部选择eps。 在最近的出版物中 Schubert，E.，Sander，J.，Ester，M.，Kriegel，HP，& Xu，X.（2017）。 重新审视DBSCAN：为什么和如何（仍）使用DBSCAN。 数据库
..
Scikit的DBSCAN聚类算法中有哪些嘈杂样本？
如果我应用Scikit的DBSCAN（ http：// scikit -learn.org/stable/modules/generation/sklearn.cluster.DBSCAN.html ），在相似矩阵上，我得到了一系列标签。其中一些标签为-1。该文档称它们为噪音样品。 这些是什么？它们全都属于一个集群，还是因为它们嘈杂而每个都属于自己的集群？ 谢谢 解决方案 这些
..
Python：3维空间中的DBSCAN
我一直在寻找3D点的DBSCAN实施，但运气不佳。有谁知道我处理这个的图书馆或有这样做的经验？我假设DBSCAN算法可以通过将e值用作半径度量和通过欧几里得分离法测量的点之间的距离来处理3维。如果有人尝试实现此功能并希望与大家分享，也将不胜感激。 解决方案 这就是我的意思想到了，我知道这不是最有效的实现，但是它可行。例如，区域查询是该算法的主要消耗者，它多次计算两个点之间的距离，而不仅仅是
..
使用自定义距离度量对经纬度进行聚类
我正在尝试为scikit-learn DBSCAN实现指定自定义集群功能： def geodistance（latLngA， latLngB）： 打印latLngA，latLngB 返回vincenty（latLngA，latLngB）.miles cluster_labels = DBSCAN（ eps = 500， min_samples = max（2，len（foun
..
DBSCAN中的参数估计
我需要根据名词具有不同介词的分布来查找自然存在的名词类别（例如，实物，工具，时间，地点等）。我尝试使用k-means聚类，但效果不佳，效果不佳，在我要查找的类上有很多重叠（可能是由于类的非球形形状和k-means中的随机初始化） ）。 我现在正在使用DBSCAN，但是在理解该聚类算法中的epsilon值和最小点值时遇到了麻烦。我可以使用随机值还是需要计算它们。谁能帮忙。特别是对于epsilo
..
如何将DBSCAN算法应用于相似网址的分组
如何使用DBSCAN算法对相似的网址进行分组。我见过很多数据集，但是url都没有，我想采用类似类型的url并将其分组。在这里，我无法得知距离（eps），而最小点可以是要分组的URL数量。 解决方案 DBSCAN需要距离函数和检测相似物体的阈值。 因此，首先，您需要定义适当的距离函数和阈值，然后我们可以为您提供DBSCAN的帮助（但是您应该能够找到可以扩展到任意距离函数的DBSCAN实
..
python中的余弦量度出现DBSCAN错误
我正尝试使用scikit-learn库中的DBSCAN算法和余弦度量，但因错误而卡住了。 代码行是 db = DBSCAN（eps = 1，min_samples = 2，metric ='cosine' ）.fit（X） 其中 X 是 csr_matrix 。错误如下： 度量'余弦'对算法'auto'无效， 尽管文档说可以使用此度量。
..
为DBSCAN（R）选择eps和minpts？
很长一段时间以来，我一直在寻找这个问题的答案，所以希望有人能帮助我。我正在使用R中的fpc库中的dbscan。例如，我正在查看USArrests数据集，并在其上使用dbscan，如下所示： library（fpc） ds
..
R中DBSCAN的群集中心均值？
使用软件包 fpc 中的 dbscan 我可以得到以下输出： dbscan Pts = 322 MinPts = 20 eps = 0.005 0 1 种子0233 边界87 2 总计87235 但是我需要找到聚类中心（具有多数种子的聚类的平均值）。谁能告诉我如何进行此操作？ 解决方案 只需使用您选择的集群ID索引回原始数据即可。然后，您可以轻松地对子集
..
DBSCAN用于集群地理位置数据
我有一个包含经度和纬度对的数据框。 这是我的数据框。 order_lat order_long 0 19.111841 72.910729 1 19.111342 72.908387 2 19.111342 72.908387 3 19.137815 72.914085 4 19.119677 72.905081 5 19.119677 72.905081
..