Python scikit-DBSCAN：错误的坐标或聚类

Question

我正在写DBSCAN，我遇到了一些奇怪的问题。（2个问题）

这是我的代码：

第一部分存在问题，如果我添加X = StandardScaler().fit_transform(X)结果的坐标是错误的！但是，如果我没有添加此代码，它将始终是一个聚类（但结果的坐标是正确的！）。我尝试调整esp或min_samples，但它没有改变。

dataSet = []
fileIn = open('data')
for line in fileIn.readlines():
    lineArr = line.strip().split('\t')
    dataSet.append([float(lineArr[0]), float(lineArr[1])]) 
numSamples = len(dataSet)
X = np.array(dataSet) 
X = StandardScaler().fit_transform(X)

（添加） （无）

db = DBSCAN(eps=0.5, 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_
print(labels)

counters = {}
for item in labels:
if item in counters:
    counters[item] += 1
else:
    counters[item] = 1
print ("Count of different cluster:(#r,g,b,a)")#r,g,b,a
print (counters)   
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)

print('Estimated number of clusters: %d' % n_clusters_)

第二个问题是我试图绘制我计算的坐标，但我不知道为什么它显示结果是错误的！

clusters = [np.mean(X[labels == i],axis=0) for i in range(n_clusters_)]

outliers = X[labels == 0]
print(clusters)

for i in range(n_clusters_):
    plt.plot(clusters[i],'*',markersize=20)

unique_labels = set(labels)
colors = [plt.cm.Spectral(each)
          for each in np.linspace(0, 1, len(unique_labels))]
for k, col in zip(unique_labels, colors):
    if k == -1:
        # Black used for noise.
        col = [0, 0, 0, 1]

    class_member_mask = (labels == k)

    xy = X[class_member_mask & core_samples_mask]
    plt.plot(xy[:, 0], xy[:, 1], 'o',             markerfacecolor=tuple(col),markeredgecolor='k', markersize=14)
    xy = X[class_member_mask & ~core_samples_mask]
    plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col),markeredgecolor='k', markersize=6)
plt.title('Estimated number of clusters: %d' % n_clusters_)
plt.show()

请帮助我谢谢你！

Answer 1

您显然需要为您的坐标系适当选择epsilon 。如果缩放数据，则epsilon将不再相同。你发现最简单的黑客攻击（但这不是正确的解决方案）就是使用未缩放的数据来计算均值。但无论如何，DBSCAN集群的手段都不可靠。

根据您的轴判断，您可能需要将epsilon降低100倍。

由于您的数据显然是坐标，因此您应使用Haversine距离，因为地球不平坦，并根据对您的问题有意义的距离选择epsilon。确切的缩放可能有点棘手。它可能是弧度，所以你需要将里程转换为弧度来转换距离。