DBSCAN不能给出正确的空间运输结果

Question

我试图在涉及纬度和经度的交通数据中形成聚类，但是

我得到了错误的结果，因为它是分类点，即使有中等

在同一簇中它们之间的距离。

缝源纬度

slong-震源经度

    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

我试着在cartoDB中画出所有的点，但聚类不正确

因为距离超过2公里的地点在同一个集群中。

拜托，谁能告诉我怎么做得更好

我遵循clustering spatial data中的步骤

我没有遵循cluster center point的步骤，因为我无法在python中导入必要的库。

这就是为什么我的结果不正确的原因。

请告诉我。

简言之，我的目标是复制源和目的地的纬度和经度，正如Grab在文章中所做的那样，图片显示为

文章链接-

Grab clustering rides

请提供关于如何复制它的任何见解

Answer 1

DBSCAN显式地允许点的距离大于epsilon，只要它们是密度连接的。这就是为什么它被称为基于密度的方法，也就是为什么可以得到任意形状的簇。在

一个簇的任何两个点最多只能相距epsilon，这是一个常见的误解。这被称为完全连锁，将产生近似球形的团簇。在