DBSCAN：如何在 R 中选择合适的 minpts 和 eps答案

【问题标题】：DBSCAN: How to choose appropriate minpts and eps in RDBSCAN：如何在 R 中选择合适的 minpts 和 eps
【发布时间】：2021-08-18 19:18:37
【问题描述】：

我正在尝试使用 R 应用聚类算法。我还阅读了在 R 中应用 dbscan 的基本介绍。我的数据是开始/结束位置和时间（超过 50k 行）。

示例如下：

# A tibble: 10 x 6
   start_location_Long start_location_Lat end_location_Long end_location_Lat start_time1_cos end_time1_cos
                 <dbl>              <dbl>             <dbl>            <dbl>           <dbl>         <dbl>
 1                101.               13.9              101.             13.9          -0.978        -0.998
 2                101.               13.9              101.             13.8          -0.465         0.503
 3                101.               13.9              101.             13.9          -0.756        -0.982
 4                101.               13.8              101.             13.8          -0.827        -0.773
 5                101.               13.8              101.             13.8          -0.956        -0.949
 6                101.               13.8              101.             13.8          -0.969        -0.961
 7                101.               13.8              101.             13.8          -0.946        -0.521
 8                101.               13.8              101.             13.7          -0.972        -0.910
 9                101.               13.7              101.             13.7          -0.840        -0.837
10                101.               13.8              101.             13.7          -0.497        -0.313

data <- structure(list(start_location_Long = c(100.60066, 100.60039,100.56864, 100.59018, 100.55926, 100.61014, 100.61504, 100.75646,100.56093, 100.52679), start_location_Lat = c(13.91761, 13.91746,13.88542, 13.7969, 13.83207, 13.82256, 13.80237, 13.82296, 13.73084,13.76592), end_location_Long = c(100.59982, 100.53864, 100.57354,100.59309, 100.56502, 100.56652, 100.65582, 100.73325, 100.56094,100.53465), end_location_Lat = c(13.91616, 13.8288, 13.86449,13.84172, 13.82841, 13.82762, 13.82176, 13.72228, 13.73224, 13.74595), start_time1_cos = c(-0.977783236758606, -0.464584475495966,-0.756281834105734, -0.827489114105152, -0.955963918764982, -0.968565073328525,-0.946485086708269, -0.971772589428584, -0.839856789165117, -0.497478722371776), end_time1_cos = c(-0.998416312411851, 0.502642787734849, -0.98199994355324,-0.772641247513493, -0.949334100771872, -0.960940326679488, -0.521319957219796,-0.910443172287846, -0.837480354951308, -0.313301931309727)), row.names = c(NA,-10L), class = c("tbl_df", "tbl", "data.frame"))

基于此张贴Choosing eps and minpts for DBSCAN (R)? 我缩放了我的数据并尝试将 minpts 用作 4 并从 KNN 距离中找到 eps。

但是，即使我多次尝试更改 minpts 和 eps，我的聚类结果也总是合并为一组。

因此，任何有使用 dbscan 算法的经验的人请帮助我。如何聚类？因为我的数据很大，简单的数据可能帮不上忙，所以我也提供了原始数据here

提前谢谢你。

【问题讨论】：

标签： r cluster-analysis dbscan

【解决方案1】：

基于密度的聚类只有在聚类之间存在密度较低的区域时才能将它们分开。您的数据看起来像一团点云（只需绘制一个样本），这就是 DBSCAN 不会将数据分成多个集群的原因。

您可以使用 k-means，但它只会将数据空间分割成最好接近球形区域，大小大致相似，每个区域的点数大致相同。

【讨论】：

感谢您的回答@Michael Hahsler 我可以问您一个问题吗？我只能看到可视化，但我无法找出 DBSCAN 输出中变量的贡献比例。它是否有一些使用 R 输出变量或贡献的选项？
我不太清楚你所说的比例是什么意思。分区聚类只返回类标签。你指的是质心坐标吗？
感谢您的回答。 @Michael Hahsler根据我的理解，基本上，聚类着眼于变量之间的协方差。因此，比例可能是这样的，例如，应该是开始时间（变量）是最高贡献 30%，而结束位置可能是第二贡献 20%。分区聚类有这些结果吗？