DBSCAN算法中是否存在最大数量的噪声/异常值？

Question

我使用DBSCAN算法对空间数据集进行聚类，并生成大量噪声193000的250000数据。这是合理的金额吗？

Answer 1

取决于您的数据和问题。

如果我生成随机坐标，则100％噪声是合适的，因为数据是随机噪声。

Answer 2

首先，要解决标题中的问题。通过制作eps 非常大，很容易得到没有噪点和所有点 在一个大集群中。通过使eps非常小，您可以轻松实现 使所有点都是噪点。一般来说，介于两者之间 是你在找什么。你的工作是找到一个产生的价值 一个有意义的聚类。那就是这句话的地方 @ Anony-Mousse进场了。

  

取决于您的数据和问题

正如他所建议的，如果你有统一的随机数据，也许全部 噪音是最好的答案。如果您有高斯随机数据， 也许一个有一些异常值的大集群是好的。但这是 应该可以帮助您了解 数据的结构。 改变eps后会发生什么？从您当前的群集 有很多噪点，当你逐渐增加eps时会发生什么？ 它会逐渐在现有集群中添加一些噪点吗？ 是否有一些地方将两个集群合并为一个集群？在那儿 集群数量突然发生变化的地方？ 此外，您可以根据变量解释集群吗？ 也许两个集群之间的区别在于所有的集群 某些变量的值很低，而另一个变量的值很高。考虑到你想要解决的任何问题， 集群是否将数据划分为有意义的组？尝试使用 用于在数据中找到含义的聚类。