我需要根据不同介词的分布（如agentive，instrumental，time，place等）找到自然发生的名词类。我尝试使用k-means聚类但帮助较少，但效果不好，我所寻找的类有很多重叠（可能是因为类的非球形形状和k-means中的随机初始化） ）。
我现在正在使用DBSCAN，但我无法理解此群集算法中的epsilon值和迷你点值。我可以使用随机值，还是需要计算它们。任何人都可以帮忙。特别是对于epsilon，至少如果需要的话，至少如何计算它。
答案 0 :(得分：7)
使用域名知识选择参数。 Epsilon是一个半径。您可以将其视为最小簇大小。
显然随机值不会很好。作为一种启发式方法，您可以尝试查看k距离图;但它也不是自动的。
要做的任何一种方法，首先要为你的数据选择一个好的距离函数。并执行适当的规范化。
至于“minPts”，它又取决于您的数据和需求。一个用户可能想要与另一个用户非常不同的值。当然，minPts和Epsilon是耦合的。如果你加倍epsilon，你将大致需要将你的minPts增加2 ^ d（对于欧几里德距离，因为这就是超球面积的增加！）
如果你想要很多细小的细节簇，请选择一个小的碎片。如果您想要更大和更少的聚类（以及更多噪音），请使用更大的碎片。如果您根本不需要任何群集，请选择大于数据集大小的缩写...