如何找到DBSCAN（）参数（eps，Minpts）的最佳点和适当数量？
来自包fpc的DBSCAN（）实现了DBSCAN（基于密度的聚类）聚类方法。
答案 0 :(得分：1)
你可以找到选择原始DBSCAN论文中讨论的minPts和epsilon的策略：
Ester，M.，Kriegel，H.P.，Sander，J。，＆amp; Xu，X。（1996年8月）。 基于密度的算法，用于在具有噪声的大型空间数据库中发现聚类。在KDD中（第96卷，第34期，第226-231页）。
还阅读一些较新的发展：
Schubert，E.，Sander，J.，Ester，M.，Kriegel，H.P。＆amp; Xu，X。（2017）。 重新访问DBSCAN，重新审视：为什么以及如何（仍然）使用DBSCAN 。 ACM数据库系统事务（TODS），42（3），19。
这篇较新的文章还讨论了如何设置，以及如何不设置参数。它提供了一些有趣的见解，可能会出错。
我没有找到本文的开放访问版本，但您可以使用Sci-Hub (Wikipedia)。
当然，如果选择epsilon很困难，您可能需要使用OPTICS或HDBSCAN *。
答案 1 :(得分：0)
我们在?dbscan包dbscan中讨论了这一点：
“设置DBSCAN的参数：minPts通常设置为数据的维度加一或更高。kNNdistplot中的拐点可用于为eps找到合适的值。”