我一直在寻找这个问题的答案很长一段时间，所以我希望有人可以帮助我。我正在使用 R 中 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 <- dbscan(USArrests,eps=20)
在这种情况下，选择 eps 只是通过反复试验。但是我想知道是否有可用的函数或代码来自动选择最佳 eps/minpts。我知道有些书建议制作到最近邻居的第 k 个排序距离的图。即，x 轴表示“根据与第 k 个最近邻的距离排序的点”，y 轴表示“第 k 个最近邻距离”。
这种类型的绘图有助于为 eps 和 minpts 选择合适的值。我希望我已经提供了足够的信息来帮助我。我想张贴我的意思的图片，但我还是个新手，所以还不能张贴图片。
【问题讨论】：
标签： r data-mining cluster-analysis dbscan
没有选择 minPts 的通用方法。这取决于您想要找到什么。较低的 minPts 意味着它会从噪声中构建更多的集群，所以不要选择太小。
对于 epsilon，有多个方面。它再次归结为选择任何适用于 this 数据集和 this minPts 和 this 距离函数和 this 规范化.您可以尝试做一个 knn 距离直方图并在那里选择一个“膝盖”，但可能没有可见的一个或多个。
OPTICS 是不需要 epsilon 参数的 DBSCAN 的继承者（除了索引支持的性能原因，请参阅 Wikipedia）。它要好得多，但我认为在 R 中实现它很痛苦，因为它需要高级数据结构（理想情况下，用于加速的数据索引树和用于优先级队列的 可更新 堆），以及 R都是关于矩阵运算的。
天真地，可以将 OPTICS 想象为同时处理 Epsilon 的所有值，并将结果放入集群层次结构中。
但是，您需要检查的第一件事 - 几乎与您要使用的任何聚类算法无关 - 是确保您有一个有用的距离函数和适当的数据规范化。如果您的距离退化，no 聚类算法将起作用。
【讨论】：
data.frame，可能是最常用的R中的数据结构不是矩阵而是列表。）。出于性能原因，当它被实现时，它可能会在 Rcpp 中。
fpc DBSCAN 比其他实现慢了 10 倍。只有 Weka 更糟（又慢了 8 倍）。
管理 DBSCAN 的 epsilon 参数的一种常见且流行的方法是计算数据集的 k 距离图。基本上，您计算每个数据点的 k 最近邻 (k-NN)，以了解不同 k 的数据的密度分布。 KNN 很方便，因为它是一种非参数方法。一旦您选择了一个 minPTS（很大程度上取决于您的数据），您将 k 固定为该值。然后，您使用与具有低斜率的 k 距离图（对于您的固定 k）区域相对应的 k 距离作为 epsilon。
【讨论】：
它提供了有关如何查找 epsilon 的详细说明。 MinPts ...不是那么多。
【讨论】：
最小点数
正如Anony-Mousse 解释的那样，'低 minPts 意味着它将从噪声中构建更多集群，所以不要选择太小。'。
minPts 最好由熟悉数据的领域专家设置。不幸的是，很多情况下我们不知道领域知识，尤其是在数据标准化之后。一种启发式方法是使用 ln(n)，其中 n 是要聚类的点的总数。
epsilon
有几种方法可以确定：
1) k-距离图
在minPts = k的聚类中，我们期望核心点和边界点的k-距离在一定范围内，而噪声点可以有更大的k-距离，因此我们可以观察到拐点 k 距离图中的点。但是，有时可能没有明显的膝盖，或者可能有多个膝盖，这很难决定
2) DBSCAN 扩展，例如OPTICS
OPTICS 产生层次集群，我们可以通过视觉检查从层次集群中提取重要的平面集群，OPTICS 实现在 Python 模块pyclustering 中可用。 DBSCAN 和 OPTICS 的原作者之一也提出了一种自动提取扁平簇的方法，无需人工干预，更多信息可以阅读this paper。
3) 敏感性分析
基本上，我们希望选择一个能够聚集更多真正规则点（与其他点相似的点）的半径，同时检测出更多的噪声（离群点）。我们可以画出常规点的百分比（点属于一个簇）VS。 epsilon分析，我们将不同的epsilon值设置为x轴，将它们对应的规则点百分比设置为y轴，希望我们能发现规则点值百分比更大的段对 epsilon 值敏感，我们选择上界 epsilon 值作为我们的最优参数。
【讨论】：
有关选择参数的详细信息，请参阅下面第 4 页的论文。 11：
Schubert, E.、Sander, J.、Ester, M.、Kriegel, H. P. 和 Xu, X.（2017 年）。 DBSCAN 重新审视，重新审视：为什么以及如何（仍然）使用 DBSCAN。 ACM 数据库系统事务 (TODS), 42(3), 19.
- 对于二维数据：使用默认值 minPts=4（Ester 等人，1996 年）
- 对于超过 2 个维度：minPts=2*dim（Sander 等人，1998 年）
一旦您知道要选择哪个 MinPts，您就可以确定 Epsilon：
- 用 k=minPts 绘制 k 距离（Ester 等人，1996 年）
- 在图中找到“肘部”--> k 距离值就是您的 Epsilon 值。
【讨论】：
如果你有资源，你还可以测试一堆epsilon 和minPts 值，看看有什么用。我使用expand.grid 和mapply 来做到这一点。
# Establish search parameters.
k <- c(25, 50, 100, 200, 500, 1000)
eps <- c(0.001, 0.01, 0.02, 0.05, 0.1, 0.2)
# Perform grid search.
grid <- expand.grid(k = k, eps = eps)
results <- mapply(grid$k, grid$eps, FUN = function(k, eps) {
cluster <- dbscan(data, minPts = k, eps = eps)$cluster
sum <- table(cluster)
cat(c("k =", k, "; eps =", eps, ";", sum, "\n"))
})
【讨论】：