问DBSCAN算法

EN

解释如何选择这些参数的guide。

摘自指南：

根据DBSCAN算法的originators (Ester，Kriegel，Sander和Xu，1996)，我们可以使用这个启发式算法来找到MinPts和ε:对于给定的k，我们构建排序的k-dist图(您可以在指南中了解它)。阈值是排序k-dist图的第一个“谷”中的第一个点。阈值的k-dist值将是ε值。研究表明，k>4的k-dist图与4-dist图没有显着差异，它们需要相当多的计算量。因此，对于所有数据库(对于二维数据)，他们通过将参数MinPts设置为4来消除该参数。阈值的4-dist值用作DBSCAN的ε值。

如果您不希望维度的值为4，您可以决定MinPts = k+1。选择k的启发式方法是将k设置为2∗-1 (Sander，Ester et al.，1998)。

选择MinPts值的另一个启发式方法-

​

​

其中Pᵢ是点i的ε邻域中的点数，n是数据集中的点数。对于每个不同的ε值，我们将获得相应的MinPts值(Sawant，2014)。