機器學習--聚類系列--DBSCAN算法
阿新 • • 發佈:2018-07-21
都是 img 子集 sed 聚類 數據集 噪聲 屬於 算法
邊界點:屬於某一個類的非核心點,不能發展下線了
噪聲點:不屬於任何一個類簇的點,從任何一個核心點出發都是密度不可達的,也叫離群點。
DBSCAN算法
基本概念:(Density-Based Spatial Clustering of Applications with Noise)
核心對象:若某個點的密度達到算法設定的閾值則其為核心點。(即 r 鄰域內點的數量不小於 minPts)
ε-鄰域的距離閾值:設定的半徑r
直接密度可達:若某點p在點q的 r 鄰域內,且q是核心點則p-q直接密度可達。
密度可達:若有一個點的序列q0、q1、...qk,對任意qi-qi-1是直接密度可達的,則稱從q0到qk密度可達,這實際上是直接密度可達的“傳播”。就像傳銷一樣,發展下線。
密度相連:若從某核心點p出發,點q和點k都是密度可達的,則稱點q和點k是密度相連的。
邊界點:屬於某一個類的非核心點,不能發展下線了
噪聲點:不屬於任何一個類簇的點,從任何一個核心點出發都是密度不可達的,也叫離群點。
工作流程
給定:
參數D:輸入數據集
參數ε:指定半徑
MinPts:密度閾值(比如5)
參數選擇:
半徑ε,可以根據K距離來設定:找突變點
K距離:給定數據集P={p(i); i=0,1,...n},計算點P(i)到集合D的子集S中所有點之間的距離,距離按照從小到大的順序排序,d(k)就被稱為k-距離。
MinPts::k-距離中k的值,一般取的小一些,多次嘗試
優勢:
- 不需要指定簇個數
- 可以發現任意形狀的簇
- 擅長找到離群點(檢測任務)
- 兩個參數就夠了
劣勢:
- 高維數據有些困難(可以做降維)
- 參數難以選擇(參數對結果的影響非常大)
- Sklearn中效率很慢(數據削減策略)
機器學習--聚類系列--DBSCAN算法