选择和实现聚类方法:DBSCAN别的什么？

Question

我需要对lat,long坐标的数据集进行聚类.我使用python作为我的语言,并计划使用DBSCAN,因为我不想指定簇的数量.

目标和目的是能够输入lat,long坐标的大数据集,其中附加了许多功能,并分配将返回的群集组.包含[lat long feature1,feature2 ....]形式的条目的原始数据库需要使用名为"cluster group"的新字段进行修改:[lat long clustergroup feature1,feature2 ....].这将帮助我确定哪些数据点紧密组合在一起,而无需在地图上绘图.我希望异常值将被赋予单独的组ID,并且主要聚集在一起的点将被赋予相同的组ID.

在转换lat之后,我对DBSCAN的输入将是x,y坐标,long - > x,y并忽略z坐标.我在用:

http://scikit-learn.org/stable/modules/generated/sklearn.cluster.DBSCAN.html#sklearn.cluster.DBSCAN http://scikit-learn.org/stable/auto_examples/index.html

我很难理解如何设置此功能的输入.我可以输入x,y坐标吗？这会是一个元组列表吗？如果有人可以帮助我想象这一点,那将是一个很大的帮助.

另外,你能解释一下DBSCAN与层次聚类的区别吗？

Answer 1

首先，它是 DBSCAN，不是 DB scan——它是一个缩写词。

DBSCAN 要求密集区域具有超过 minPts 的对象。如果您选择太低的 minPts 值（1 或 2），结果确实会匹配单链接层次聚类。因此使用更高的值。

scipy 实现可以使用距离矩阵。因此，只需计算所有距离，选择参数，然后运行该函数即可。scipy 文档也很不错，你读过吗？