3D 点的聚类

Question

我有一个 3 维空间中包含大约 2000 万个点 (x,y,z) 的大型数据集。我知道这些点组织在密集区域中，但这些区域的大小各不相同。我认为标准的无监督 3D 聚类应该可以解决我的问题。

由于我无法先验估计簇的数量，因此我尝试使用 k 范围较宽的 k 均值，但速度很慢，而且我必须估计每个 k 分区的重要性。基本上，我的问题是：如何将点中最重要的部分提取到簇中？

Answer 1

k 均值可能不是处理此类数据的最佳算法。

DBSCAN 应该更接近您对密集区域的直觉。

首先尝试样品，然后弄清楚如何扩大规模。