ELKI DBSCAN LngLatDistanceFunction 产生一个集群答案

【问题标题】：ELKI DBSCAN LngLatDistanceFunction producing one clusterELKI DBSCAN LngLatDistanceFunction 产生一个集群
【发布时间】：2015-11-01 16:23:16
【问题描述】：

我正在使用 Elki LngLatDistanceFunction 对 Lon/lat 点进行聚类，但它只返回一个聚类（当我使用欧几里德距离时返回更多聚类）。我尝试了多个 Epsilon 值，但仍然得到一个集群。

    int minPts=20;
    double eps=10;
    ListParameterization params = new ListParameterization();
    params.addParameter(DBSCAN.DISTANCE_FUNCTION_ID, LngLatDistanceFunction.class);
    params.addParameter(DBSCAN.Parameterizer.MINPTS_ID, minPts);
    params.addParameter(DBSCAN.Parameterizer.EPSILON_ID, eps);

    params.addParameter(AbstractDatabase.Parameterizer.DATABASE_CONNECTION_ID, dbcon);
    params.addParameter(AbstractDatabase.Parameterizer.INDEX_ID, RStarTreeFactory.class);
    params.addParameter(RStarTreeFactory.Parameterizer.BULK_SPLIT_ID, SortTileRecursiveBulkSplit.class);
    params.addParameter(AbstractPageFileFactory.Parameterizer.PAGE_SIZE_ID, 600);

    Database db = ClassGenericsUtil.parameterizeOrAbort(StaticArrayDatabase.class, params);
    db.initialize();

    GeneralizedDBSCAN dbscan = ClassGenericsUtil.parameterizeOrAbort(GeneralizedDBSCAN.class, params);

【问题讨论】：

您知道 LatLngDistanceFunction 返回的距离的比例吗？它们（必然）与欧几里得距离不同。随机尝试 epsilon 值不是一个好策略。
我认为根据stackoverflow.com/questions/23684070/… 计量。我知道与随机选择 epsilon 相比，有更好的策略，但我现在还不知道。你能给我一些关于如何实现这一目标的想法吗？
@Anony-Mousse 我确实将 epsilon 值修改为 2 英里 = 3218.69 米，但这并没有改善结果
您观察的平均距离是多少？是否找到了密集的集群，或者您得到了噪声集群？
所有点都在一个集群中。我使用了 KNNDistanceSampler，这是结果“MaxX: 760.0 MaxY: 1653.8102316360676 MinX: 1.0 MinY: 299.5734514358746”。我目前正在尝试根据下面的答案修改该参数，但还没有运气。

标签： cluster-analysis dbscan elki epsilon

【解决方案1】：

距离以米为单位。因此，您需要选择 epsilon，以使某些（但不是所有）点的邻居数超过 minPts。

您可以使用KNNDistancesSampler 类来估计参数。它不是自动估计。但是您可以绘制结果距离，并在该图中检查“膝盖”。

注意“噪音”标志。

如果你得到一个单一的集群，它是“噪音”，那么 epsilon 太小了。
如果您得到一个集群，并且它是一个“集群”（不是噪声），那么 epsilon 就太大了。
如果你得到一个单一的集群，它是“噪音”，那么 minPts 可能太大了。
如果你得到一个单一的集群，而且它是一个集群，那么 minPts 可能太小了。

对于大多数应用程序，将 minPts 固定为 4、10 或 20 会更容易；然后根据需要调整 epsilon 参数。对于像您这样的地理应用程序，修复 epsilon 参数并改变 minpts 参数可能更容易。例如，您可能知道小于 10000 米的距离表示对象是“邻居”。

OPTICS 等算法也有助于直观地选择参数。（使用 MiniGUI！）

【讨论】：

如何使用 KNNDistanceSampler 绘制距离？谢谢。
MiniGUI 应该会自动将图形可视化，或者您可以使用您喜欢的工具来可视化生成的曲线——它是一个简单的二维曲线（等级与距离）。从您上面给出的数字来看，400 或 500 之类的值可能不错 - 但您确实应该查看曲线，而不是边界框。
我得到了使用 (XYCurve.Itr it = distanceOrderResult.iterator(); it.valid(); it.advance()) 获取 XY 值的距离，但我不知道排名来自哪里从？我应该看曲线的什么特征？
查看坐标轴的标签。
x = 对象和 y = 10-NN 距离。我知道它是 10，因为 params.addParameter(KNNDistancesSampler.Parameterizer.K_ID, 10);所以我猜测 x = rank 和 y = distance 并且我应该绘制两条线并查看线之间的交点？对不起，我只是一个试图熟悉这些东西的初学者。