我一直在使用KMeans从一组线中提取簇，我对结果印象不是很好，我想尝试DBSCAN，看看这是否能产生更好的效果。 DBSCAN是否将群集字输出为KMeans？
我能够使用DBSCAN并且能够将群集的数量输出为“3”但是我想知道是什么上下文驱动它来制作'3'群集（我想知道这些词）
这是我的代码段
db = DBSCAN(eps=0.3, min_samples=10).fit(X)
core_samples_mask = np.zeros_like(db.labels_, dtype=bool)
core_samples_mask[db.core_sample_indices_] = True
labels = db.labels_
# Number of clusters in labels, ignoring noise if present.
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
print('Estimated number of clusters: %d' % n_clusters_)
print("Silhouette Coefficient: %0.3f"% metrics.silhouette_score(X, labels))
答案 0 :(得分：1)
您无法直接控制DBSCAN生成的群集数量。它产生的数量与给定密度水平下的数量相同;最好通过改变epsilon来完成。
请注意，它还会产生 noise ，即一个群集（可能是第一个）不是群集，但是不属于任何群集的剩余点。但是当你简单地丢弃这些点时，你的轮廓会变得虚假。
由于DBSCAN集群可能是任意形状的，因此没有任何有意义的“质心”。如在k-意味着你可以解释＆＃34;单词＆＃34; （但这种解释通常都很好）。
请阅读维基百科文章＆amp; DBSCAN文献了解更多细节。
答案 1 :(得分：-1)
首先，您应该清楚为什么使用DBSCAN。用于检测噪声或用于检测密集数据中的簇。如果没有理由你必须首先从文献中找到原因，那么应该尝试应用/使用DBSCAN算法。