当群集数量未知但没有噪声时，哪种群集算法最佳？

Question

我有一个群集数量未知的数据集，我的目标是聚类它们。由于我不知道预先提供的簇数，我尝试使用基于密度的算法，尤其是DBSCAN。我与DBSCAN的问题在于如何检测适当的epsilon。 DBSCAN论文中建议的方法假设存在一些噪声，当我们绘制排序的k-dist图时，我们可以检测到谷并定义epsilon的阈值。但是，我的数据集是从受控环境中获得的，并且没有噪音。

有人知道如何检测epsilon吗？或者，建议更好的聚类算法可以解决这个问题。

Answer 1

通常，没有无监督的epsilon检测。从你所描述的一点点来看，DBSCAN是一种非常合适的方法。

现实世界的数据倾向于具有平缓的距离梯度;决定什么距离应该是截止是一个需要了解范式和最终用途的判断。简而言之，问题需要原始数据中未包含的知识。

我建议您使用简单的步进方法来收敛您想要的解决方案。将epsilon设置为您的观察建议适当的一些简单值。如果你得到太多碎片，将epsilon增加3倍;如果簇太大，则减少3倍。重复运行直到得到所需的结果。