如何确定 R 中 DBSCAN 的距离/eps？

Question

我有一个点数据集；

 lat   |long    | time
 34.53  -126.34  1
 34.52  -126.32  2
 34.51  -126.31  3
 34.54  -126.36  4
 34.59  -126.28  5
 34.63  -126.14  6
 34.70  -126.05  7
 ...

（更大的数据集，但这是一般结构。）

我想根据距离和时间对点进行聚类。 DBSCAN 似乎是个不错的选择，因为我不知道有多少个集群。

我目前使用的是分钟/5500（我相信大约是 20 米，按比例缩放。）

library(fpc)
 results<-dbscan(data,MinPts=3,eps=0.00045,method="raw",scale=FALSE,showplot=1)

由于我有原始数据，我无法理解如何确定缩放/距离。我可以猜测缩放或未缩放时的 eps 值，但我不清楚缩放是做什么的，或者正在使用什么距离度量（也许是欧几里德距离？）在某个地方有这方面的文档吗？

（这不是要找到一种自动选择方式（如Choosing eps and minpts for DBSCAN (R)?），而是关于不同值的含义。说“您首先需要一个距离函数”并不能解释所使用的距离函数是什么，或如何创建...）

Answer 1

首先计算数据的距离矩阵。然后，您可以使用method='dist'，而不是使用method='row'。这样，dbscan 会将您的数据视为距离矩阵，因此无需担心距离函数是如何实现的。请注意，这可能需要更多内存，因为您正在预先计算距离矩阵并将其存储在内存中。

Answer 2

我不使用R/fpc，而是使用ELKI，所以我无法真正回答您的问题。原因是我发现它比fpc 快得多，尤其是当您可以使用索引时。当您使用百万点的数据集时，差异是巨大的。

此外，它非常灵活，这似乎正是您所需要的：

ELKI 确实有一个使用大圆距离的 LatLng 距离函数。然后我可以轻松地以公里为单位设置 epsilon。

但是，您也有一个time 属性。您是否有计划将其包含在您的分析中？ ELKI 有一个tutorial on writing custom distance functions，这可能是你当时需要的。您应该能够重用大圆距离，这是 DBSCAN 为您提供的一个巧妙技巧：

DBSCAN 并不需要距离。它需要知道邻居，但距离仅用于与 epsilon 进行比较。因此，通过定义一个距离函数，当两个对象应该相似时为 0，如果应该不同则为 1，再加上 0.5 的 epsilon，您可以进行更复杂的聚类。在您的上下文中，您可以将距离函数定义为：

0 if the distance is less than 0.1 km and the time difference is also less than t
1 otherwise