代码之家 › 专栏 › 技术社区 › Ian

Scikit学习DBSCAN集群不产生集群

dbscan cluster-analysis scikit-learn machine-learning python

-1

Ian · 技术社区 · 7 年前

我有一个包含十几个维度(列)和大约200个观察值(行)的数据集。此数据集已使用规范化 quantile_transform_normalize

但是,当我尝试使用Mahalanobis距离度量使用DBSCAN对数据进行聚类时,每个项都被聚类到-1中。根据文档:

我不确定这意味着什么,但是我用KMeans得到了一些好的集群,所以我知道有一些东西可以集群——它不仅仅是随机的。

下面是我用于聚类的代码:

covariance = np.cov(data.values.astype("float32"), rowvar=False)
clusterer = sklearn.cluster.DBSCAN(min_samples=6, metric="mahalanobis", metric_params={"V": covariance})
clusterer.fit(data)

data 是我在调试器中检查过的数字数据帧。

1 回复 | 直到 7 年前

1

Has QUIT--Anony-Mousse 7 年前

您需要选择参数 eps 也

结果在很大程度上取决于这个参数。你可以在文献中找到一些估算它的方法。

sklearn 应该不为这个参数提供一个默认值,因为它很少工作(在标准化的玩具数据上通常是可以的,但仅此而已)。

200个实例可能太小,无法可靠地测量密度,特别是在有12个变量的情况下。