DBSCAN kdistPlot多个山谷

Question

我使用的是Sander等人1998 to determine MinPts and epsilon to use DBSCAN on my dataset. As Sanders et all suggests minpts=dim*2-1=k (in my case 9 dimensions --> minpts=k=17). In the paper one should chose the "first valley". I can see two valleys but which one is the first one? And what value would you chose for epsilon? kdistplot_with_duplicates

因为Sanders还建议，只有在没有复制品的情况下才应该使用这种方法，没有复制品的情况下才应该使用：（虽然我认为在这种情况下，这不重要） kdistplot_without_duplicates。 哪个山谷应该被认为是“第一”山谷

使用的代码：

ns = 17
nbrs = NearestNeighbors(n_neighbors=ns, metric='euclidean').fit(data)
distances, indices = nbrs.kneighbors(data)
distanceDec = sorted(distances[:,ns-1], reverse=True)
plt.plot(list(range(1,683+1)), distanceDec)

Answer 1

它是左边的山谷（epsilon的最小值）：有了这个值，左边的所有点都是未聚类的（被认为是噪声），右边的所有点都是聚类的

您可以阅读原始的DBSCAN paper，特别是参见图4以更好地理解其基本原理

Answer 2

这表明可能存在簇的层次结构，或具有不同密度的簇

在这种情况下，DBSCAN上的单个阈值将是不够的。您可以尝试使用两个不同的阈值进行两次聚类。或者使用分层版本，如光学和HDBSCAN。最近，人们对HDBSCAN非常满意，我在光学方面取得了更好的效果（我相信为什么有一个很好的理由，即我希望边界点成为集群的一部分）