DBSCAN 没有给出关于空间交通数据的正确结果

Question

我正在尝试在涉及经纬度的交通数据中形成集群，但是

我得到了不正确的结果，因为它正在对分数进行分类，即使是中等

它们在同一个簇中的距离。

slat - 源纬度

slong - 源经度

    coords = source.as_matrix(columns=['slat', 'slong'])

    kms_per_radian = 6371.0088
epsilon = 2 / kms_per_radian
db = DBSCAN(eps=epsilon, min_samples=3, algorithm='ball_tree', metric='haversine').fit(np.radians(coords))

cluster_labels = db.labels_
source['cluster'] = db.labels_ # source is  the dataset

我尝试绘制 cartoDB 中的所有点，但集群不正确，

因为距离超过 2 公里的位置在同一个集群中。

请任何人都可以告诉如何做得更好

我按照clustering spatial data的步骤进行操作

我没有按照集群中心点的步骤，因为我无法在 python 中导入必要的库。

这就是我的结果不正确的原因。

请讲讲。

简而言之，我的目标是复制源和目的地的纬度和经度，就像 Grab 在文章中所做的那样，图像显示为

文章链接——

Grab clustering rides

请提供有关如何复制它的任何见解

Answer 1

DBSCAN 明确允许 点的距离大于 epsilon，只要它们是密度连接。这就是为什么它被称为基于密度的方法，以及为什么您可以获得任意形状的集群。

一个常见的误解是，一个簇的任何两点最多只能相隔 epsilon。这称为完全连锁，会产生近似球形的簇。