应用错误收集

时间：2016-06-27 22:46:44

标签： algorithm cluster-analysis dbscan optics-algorithm

我知道DBSCAN需要两个参数（minPts和Eps）。但是，我对OPTICS需要什么参数感到困惑，因为有些消息来源说它需要eps而其他人说它只需要minPts。

如果我试图自动确定最能丢弃异常值的参数值，哪种算法会更好用？

答案 0 :(得分：3)

根据the original paper，minPts和Eps都是必需的。 ~~那些说不需要Eps的来源可能正在使用某种方法来自动确定它的良好值。~~但是，仅包含Eps以减少算法的运行时间。这不是必需的。

关于哪种方法最适合删除异常值，没有比支持数字决策更好的方法：获取数据集并标记其异常值，然后针对它运行两种算法。对集群使用某种性能测量（AUC，F-score等）以选择最佳。

答案 1 :(得分：2)

OPTICS可以使用eps =无穷大运行。但那时它是O（n ^ 2）的复杂性。（假设您有一个实际使用索引进行加速的实现。）

但OPTICS没有像DBSCAN那样定义明确的噪音概念。您可以获得的最接近的是采用群集层次结构的最顶层（即完整数据集）减去下面群集中的任何内容。但是考虑到层次聚类，你可以在层次结构的多个层面上有“噪音”，所以噪音的概念在这里不再有效。

答案 2 :(得分：2)

总而言之，有一些区别：

内存成本：OPTICS群集技术需要更多的内存，因为它维护一个优先级队列（最小堆）来确定在可达距离上最接近当前正在处理的点的下一个数据点。它还需要更多的计算能力，因为在DBSCAN中，最近的邻居查询比半径查询更复杂。

更少的参数：OPTICS聚类技术不需要维护epsilon参数，仅在上面的伪代码中给出以减少花费的时间。这样可以减少参数调整的分析过程。

OPTICS不会将给定的数据分为几类。它只是产生一个可到达距离图，并由程序员解释将这些点相应地聚类。

OPTICS对参数设置相对不敏感。如果参数“足够大”，效果很好。