我有一个看似微不足道的问题。我需要有人为我澄清ELKI实现中DBSCAN MinPts 参数的含义。
如果我使用 k = 4的值绘制已排序的 k -dist图形，则表示点 p 的距离到它的第四个最近的邻居。这意味着邻域包含5个点（ k + 1）; 4个邻居加点 p 。
在ELKI中， MinPts 仅表示邻居还是还包含 p 点？在上述情况下，是否应设置为4或5？
original DBSCAN paper（Ester et al.1996）谈到将 MinPts 设置为k（ MinPts = 4）。 DBSCAN Wikipedia article似乎也暗示 MinPts 指的是 p 周围的邻居。但是，ELKI似乎期望 MinPts 设置为 k + 1（ MinPts = 5）。
有人善意地澄清。
答案 0 :(得分：3)
如果您在数据库上下文中，并且向数据库发送查询
选择坐标x，y，z
周围半径为r的所有对象
然后数据库将包含查询点，如果它存储在数据库中。特别是，如果不希望包含它，您可以轻松删除它。 从数据库的角度来看，查询应该包含查询点（如果它在数据库中），而不是，如果它没有存储在数据库中。
更重要的是，如果你进行密度估算，那么每个数据点应该对密度有贡献，不应该吗？为什么一点特别？那些具有完全相同坐标的其他点怎么样？如果您在数据库中不的点估算密度怎么办？如果你从查询点移开一点点，你会看到密度突然增加！
如果您尝试将k-nearest-neighbors定义为对数据库D的查询，并且 not 要求查询点x成为数据库的一部分，那么它自然会遵循结果应包括查询点，如果它是D的一部分。
另一方面，1最近邻居通常是查询点是违反直觉的。通常，当您正在寻找＆＃34;最近的邻居＆＃34;时，您 意味着＆＃34;最近的其他对象＆＃34;，不幸的是。 即使这将正式转换为＆＃34;最近的对象到我的数据库中我的查询点的坐标，而没有我的查询点＆＃34;。
不幸的是，这在文献中并未得到一致使用。 一些文章/作者/应用程序做 - 有些不 - 包括查询点。我可以从文献中为两个案例命名大量例子。
甚至一篇文章有时会在一个图中包含查询点，但在另一个图中却不包含！
永远不会成为一个符合每个人期望的解决方案，因为不幸的是，人们确实对于什么是正确的＆＃34;有不同的想法。
您必须决定 希望行为是什么，如果行为符合预期，请仔细检查所有内容。 记录您的决定和意见。
请检查自己ELKI中k距离图的实现是否包含查询点。我们甚至可能（已）改变了这个类的行为为0.7或0.8;所以对我而言可能与你不同。 真的，真的看看你正在使用的完全版本的来源。
如果k距离图不包含查询点，则需要对minPts=4使用3距离。如果确实包含查询点，则4距离与minPts=4一致。由于上述原因（数据库观点，密度估算的观点），我非常确定DBSCAN 计算查询点数。因此，对于DBSCAN，minPts = 1是无意义的（每个点都是核心点），minPts = 2是单链接聚类（任何epsilon邻居被合并）。仅在minPts＆gt; 2你开始获得真正的DBSCAN结果。
GDBSCAN建议使用2*dim-1代替4;我通常从minPts=10开始，然后尝试20。选择较大的minPts：
minPts（但对于文本数据，维度没有意义 - 最多选择内在维度）minPts minPts 但不要超越。索引效率随着查询半径的增大而显着下降。您希望尽可能小地选择minPts，同时仍然获得有趣的结果。同时使用多个值，以获得不同的观看次数。
请记住，群集是探索性数据挖掘。它意味着要求您试验参数，并研究结果，重复。因为没有正确的群集结果。群集结果的质量是您是否可以在数据上获得新见解。仅复制已知结果的聚类实际上已失败。