1回答
DBSCAN噪声点
、、、
我正在开发一种基于地理距离匹配人员的算法，为此，我使用DBSCAN算法。这是我在运行代码后得到的输出 db_e= dbscan::dbscan(eng2_scaled, eps= 0.5, minPts= 3)
7 3
Available fields: cluster, eps, minPts 有没有一种方法可以强制噪声点</em
浏览 24提问于2021-04-12得票数 0
1回答
我正在尝试通过ggplot2绘制dbscan聚类结果。如果我理解正确的话，当前的dbscan使用base plot函数绘制黑色噪声。困难之处在于，如果我使用res$cluster来绘制点，plot()将忽略具有0标签的点(即噪声点)，并且ggplots()将认为错误，因为res$cluster的长度将小于要绘制的实际数据，并且如果我尝试使用res$cluster+1，它将为噪声点分配1，这是我不想要的。如果我的噪声<
浏览 0提问于2017-02-28得票数 1
集群和尝试HDBSCAN集群非常新，但我很难弄清楚如何获得集群中心。对于KMeans，它是与集群一起设置的。这是我的密码：from sklearn import metricsimport numpy as npfrom pprint import pprint
image = cv2.imread('4.jpg')
#
浏览 4提问于2017-05-11得票数 1
回答已采纳
我试图看到，在DBSCAN算法中，考虑到所有n个特征的噪声点的数目是否类似于所有nC2特性的组合？假设，n是特征的数目。如果一个样本在任何一个组合模型中被认为是一个噪声点，那么这个点就被标记为异常。为了更清楚地说明，假设我有三个特性: f1、f2、f3。整个模型在聚类时考虑了所有三个特性。组合模型使用3种模型(f1，f2)
浏览 0提问于2019-11-26得票数 0
1回答
我还上传了不匹配部分的放大图像：
+是核心点-是噪声点
三角形是核心点，有色圆是边界点，黑圈是噪声点。
fpc::dbscan (用三角形图)似乎正确地分类了失配点。我的dbscan实现(带有+绘图实现)似乎正确地分类了失配点<
浏览 1提问于2012-06-02得票数 5
回答已采纳
因此，我希望聚类时会有噪声数据。没有预先假设的集群数量，我不希望孤立的噪声点导致更小的集群。如何删除它们？
谢谢。
浏览 0提问于2017-03-01得票数 0
我正在使用hdbscan在Python木星笔记本中找到数据集中的集群。import numpy as np这些数据如下所示：import hdbscanclusterer = hdbscan.HDBSCAN(min_cluster_size=clusterSize).fit(data)所以我想看到一些结果，所以我将这些结果添加到我的数据框架中：
data.insert(18,"
浏览 3提问于2020-11-05得票数 0
在DBSCAN中：噪声点是一个既不是核心点，也不是边界点的点。根据这些定义，我得出的结论是，噪声点
浏览 0提问于2023-01-11得票数 0
回答已采纳
我正在使用sklearn-DBSCAN来集群我的文本数据。当我将指标传递给DBSCAN时，只有几个可能的eps (0.2到3)和min_samples (5到100)和其他默认参数，得到了集群的数量(200到10)。根据我对所有集群的分析，噪声数据大约占我数据的75-80%。有没有办法降低噪声或使用其他一些参数(距离)来降低噪声？X_scaled = scaler.fit_transform(sentence_vectors)min_sam = 10
for itr in range(
浏览 20提问于2019-09-25得票数 0
1回答
我正在绘制DBSCAN结果。到目前为止，这就是我所做的。我的距离矩阵是。dbs55_CR_EUCL = dbscan(writeCRToMatrix,eps=0.006, MinPts = 4, method = "dist")
col=dbs55_CR_EUCL$cluster[dbs55_CR_EUCL$cluster>0],
main="DBSCAN\n (EPS=0.006
浏览 1提问于2015-08-09得票数 0
回答已采纳
1回答
DBSCAN后任意两点之间的距离
、、、、
DBSCAN是一种聚类模型，它对异常点的检测具有很强的鲁棒性。参数\epsilon，即半径是算法的输入，如果一个点与半径\epsilon的圆除中心点外没有点，则称为孤立点。我现在很困惑，我对DBSCAN的理解是错误的还是我的代码中应该有一些错误？house3.append(df[i]) house4.append(df[i])y2 = dbscanhouse3 = np.arr
浏览 0提问于2021-06-14得票数 0
回答已采纳
1回答
如何对地理数据进行密度聚类？
、、、、
我发现DBSCAN应该可以很好地满足我的需求。我想要用分钟数1或2的小的单独的集群。它可以做这项工作，但留下其他点作为一个巨大的集群或噪音，我希望这些集群也被分成更小的组。如何做到这一点？也许是为了在算法中设置最大点数？我很感谢你的建议。
附注:我为了这个目的使用了R，但问题更多的是关于方法。
浏览 0提问于2018-06-29得票数 0
一个用于数据信号，另一个用于噪声。我使用DBSCAN来做这件事，但结果我只得到了一组噪声。我认为DBSCAN把所有的数据都当作噪音。请帮帮我，我该怎么做
浏览 4提问于2019-12-09得票数 0
回答已采纳
1回答
,date_value=c(0.07820023,.08092014,.04058449,.08755208,.04478588))
我的基本需求是找出由空间和时间上紧密相连的小点组成的观察，并将这些点与绝大多数数据分开观察
浏览 0提问于2018-10-11得票数 0
1回答
空间点离群聚类方法
、、、、
我想要实现一个无监督的聚类，以检测网格(垂直/水平线)的空间点。然而，它不能完全分辨出构成垂直/水平线的所有点，如果我放松epsilon的参数，就会错误地将更多的点分类为噪声点(例如图片的左下角)。我想知道是否有一种DBSCAN的修改模型，它使用椭圆而不是圆圈？或者其他不需要预先指定集群数量的聚类方法？
或者，是否有更好的方法来识别这些构成网格的点？任何帮助都是非常感谢的。
浏览 9提问于2022-02-23得票数 1
如果我将Scikit的DBSCAN ()应用于相似矩阵，就会得到一系列标签。其中一些标签是-1。文件称它们为噪音样本。
这些是什么？它们都属于一个集群，还是每个集群都属于自己的集群，因为它们很吵？
浏览 1提问于2017-07-25得票数 6
回答已采纳
1回答
为了从一组行中提取集群，我一直在使用KMeans，我对结果不太感兴趣，我想试一下DBSCAN，看看它是否能产生更好的结果。DBSCAN输出集群词为KMeans吗？我能够使用DBSCAN，并能够将集群的数量输出为'3‘，但是我想知道是什么上下文驱动它生成'3’集群(我想知道单词) db = DBSCAN(eps=0.3, min_samples
浏览 1提问于2017-01-22得票数 0
1回答
意料之外的数据库扫描结果
、、、
我已经实现了一个代码来对点的简单数组进行聚类，但是结果是出乎意料的。pandas import DataFrameimport matplotlibdbscan_opt.fit(data[[0,1]])
data['DBSCAN_opt_labels']=dbscan_opt.
浏览 7提问于2022-09-10得票数 1
回答已采纳
1回答
sklearn光学图解
、、、
我目前正在学习如何在sklearn中使用光学。我正在输入一个数值数组(205,22)。我能够从其中得到图形，但我不明白如何从多个维度获得2d图形，以及我应该如何阅读它。我或多或少地理解了可达性图，但其余的对我来说毫无意义。有人能解释一下发生了什么吗。该函数只是以某种方式将数据简化到二维吗？谢谢 ?
浏览 32提问于2021-10-12得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
