DBScan eps错误行为

一个社区和一个集群不是一回事。

集群是 . Epsilon是距离一个邻域中心的最大距离;但是如果合并多个邻域,如果数据是 稠密的

但是sklearn中对参数的描述也是错误的,不仅仅是误导。当三角形不等式成立时,在同一个邻域中的点 可以 分开两个epsilon(如果不使用度量单位,则更多)。

为了指出它们为什么在同一个集群中,让我对DBSCAN的功能做一个高层次的解释。

1. 通过连接数据点构造图
2. 测量每个连接部件的尺寸
3. 丢弃小于阈值的组件,其中 sklearn min_sample 参数。

esp 控制连接两个数据点的最大距离。对于您的数据集,使用表示连接的[a-b]符号,您可以:

[9-11],[11-13],[13-14],[14-15]

最小样本 参数,因此它被视为有效的群集。

eps 从14开始,所以它包含在这个集群中。

你可以在这里看到行为:

X=np.array([1,9,11,13,14,15,17,19]).reshape(-1, 1)
db=DBSCAN(eps=3, min_samples=1).fit(X)

print(db.labels_)

[0 1 1 1 1 1 1 1]