Question

我正在使用 dbscan :: dbscan 方法，以便按位置和密度对数据进行聚类。

我的数据如下：

str(data)
'data.frame': 4872 obs. of 3 variables:
 $ price    : num ...
 $ lat      : num ...
 $ lng      : num ...

现在我正在使用以下代码：

EPS = 7
cluster.dbscan <- dbscan(data, eps = EPS, minPts = 30, borderPoints = T, 
search = "kdtree")
plot(lat ~ lng, data = data, col = cluster.dbscan$cluster + 1L, pch = 20)

但结果并不令人满意，这一点并没有真正聚集在一起。

我想很好地定义集群，如下所示：

我还尝试使用决策树分类器树：树哪个更好，但我不知道它是否真的是一个很好的分类。

文件：

http://www.file-upload.net/download-11246655/file.csv.html

问题：

是否有可能达到我的目的？
我使用的是正确的方法吗？
我应该多玩一些参数吗？如果是的话，用哪个？

Answer 1

这是使用全新的HDBSCAN *算法仔细基于密度的聚类的输出。

使用Haversine距离，而不是Euclidean！

它确定了一些50多个区域比周围环境更密集。在这个图中，一些集群看起来好像只有3个元素，但它们确实有更多。

最外面的区域，这些是完全不属于任何群集的噪音点！

（使用的参数：-verbose -dbc.in file.csv -parser.labelIndices 0,1 -algorithm clustering.hierarchical.extraction.HDBSCANHierarchyExtraction -algorithm SLINKHDBSCANLinearMemory -algorithm.distancefunction geo.LatLngDistanceFunction -hdbscan.minPts 20 -hdbscan.minclsize 20）

OPTICS是另一种基于密度的算法，结果如下：

同样，我们有一个＆＃34;噪音＆＃34;有红点的区域根本不密集。

使用的参数：-verbose -dbc.in file.csv -parser.labelIndices 0,1 -algorithm clustering.optics.OPTICSXi -opticsxi.xi 0.1 -algorithm.distancefunction geo.LatLngDistanceFunction -optics.minpts 25

此数据集的OPTICS图如下所示：

您可以看到有许多小山谷与群集相对应。但是没有＆＃34;大＆＃34;结构在这里。

你可能正在寻找这样的结果：

但事实上，这是一种毫无意义的而非随机方式将数据分成大块。当然，它可以最大限度地减少差异;但它根本不关心数据的结构。 一个群集中的点数通常比不同群集中的点数少。只需看看红色，橙色和紫色星团之间边界处的点。

最后但并非最不重要的是，老朋友：完全联系的层次聚类：

和树形图：

（使用的参数：-verbose -dbc.in file.csv -parser.labelIndices 0,1 -algorithm clustering.hierarchical.extraction.SimplifiedHierarchyExtraction -algorithm AnderbergHierarchicalClustering -algorithm.distancefunction geo.LatLngDistanceFunction -hierarchical.linkage CompleteLinkageMethod -hdbscan.minclsize 50）

还不错。完整的链接也可以很好地处理这些数据。但您可以合并或拆分任何这些集群。

Answer 2

您可以使用名为Hullplot的内容在您的情况下

hullplot(select(data, lng, lat), cluster.dbscan$cluster)

DBSCAN按位置和密度对数据进行聚类

2 个答案: