【发布时间】：2014-11-22 06:03:18
【问题描述】：
DBSCAN 算法究竟将什么作为输入？
为什么我在weka 和编码算法中有不同的输出？
在编码算法中，它只需要 2 个输入，而在 weka 中可能需要 3 个。
有人可以帮我理解算法吗？
【问题讨论】：
标签： cluster-analysis data-mining dbscan
【发布时间】：2014-11-22 06:03:18
【问题描述】：
“2 个输入”是指两个变量（维度）吗？
如果您的代码仅适用于二维，请阅读距离函数。大多数距离函数可以很容易地计算超过二维的......例如，欧几里得距离被定义为
sqrt(pow(x_i-y_i, 2).sum())
当您将 i 从 1 循环到 n > 2 时，效果也很好。
DBSCAN有2个明显参数和1个隐藏参数：minPts和epsilon是明显参数，隐藏参数是距离函数。哪个对结果的影响最大，需要数据理解才能选择。不幸的是，没有经验法则来选择这个参数。这真的取决于你的数据。
如果您在 Weka 实现中得到不同的结果，我并不感到惊讶。它包含隐式数据规范化，往往会产生意想不到的结果...... DBSCAN 的最佳实现可以在 ELKI 恕我直言。如果启用数据索引，速度真的很快。
【讨论】：
-
感谢您的回复。还有一件事：我应该把欧几里得距离公式放在代码的哪一部分？它在我的 regionQuery() 函数中吗？
Wikipedia 中很好地描述了该算法。配置输入为：
-
eps：epsilon 邻域的最大距离。 -
minPts：形成一个区域所需的点数。
简而言之：如果数据点周围的 epsilon 邻域至少包含 minPts，则会创建一个新集群。进一步输入：
- 数据集（显然）
- （也许）一个距离函数，如果算法允许在这方面进行参数化
【讨论】：
-
我的意思是我有 3 个变量作为我的输入。在编码的 DBSCAN 算法中，它只需要 2 作为输入。我该怎么办？
-
如果不知道这些参数是什么（名称、类型、文档等），就无法回答这个问题。
-
好吧，我有课程、兴趣（一组兴趣）和俱乐部。我正在尝试将俱乐部会员的兴趣与他们的俱乐部相关联
-
如果你有源代码，尝试与维基百科文章中给出的伪代码进行比较。这样，您应该能够对变量的含义进行逆向工程。