ELKI如何提高精度？答案

【问题标题】：ELKI how to increase the precision?ELKI如何提高精度？
【发布时间】：2014-03-21 04:30:36
【问题描述】：

我正在使用 ELKI mini GUI 对我的数据点进行聚类。我有大约 1300 个 GPS 数据点，我想对我的 GPS 点（DBSCAN 和 OPTICS）进行聚类。作为 dbc.in 的输入文件，我使用只有 2 列（X，Y）的 csv 文件。问题是，我的 X，Y（投影）坐标非常精确，精确到小数点后 6 位。但是在运行集群算法之后，我的精度越来越低（最多小数点后 3 位）。如何提高输出点的精度？

而且在生成集群时，它会自动调用一些与我的实际点 ID（ID、X、Y）不对应的虚拟 ID。但是，输入 csv 中没有给出 ID。它仅包含两列 (X,Y)。

【问题讨论】：

你能分享一个示例输入和输出行吗？ ELKI 分配内部 ID，但如果您不需要它们，您可以直接丢弃它们。
这里是我的问题的详细解释。输入文件格式 (X) (Y) ______________________ 3456.124357 5673.4567 3456.109453 5673.4451 .................................... ........ 输出文件（内部 ID 和 X,Y 被截断） ________________ 651 3456.1244 5673.46 652 3456.1095 5673.45 问题是因为值被截断并且输出文件不包含实际 ID点（比如从 0 开始），所以我无法识别哪些点是聚类的，哪些点属于哪个聚类。
您可以编辑问题以使其更具可读性吗？除非绝对必要，否则避免审查数据。使用 MiniGUI 时，使用FixedDBIDsFilter 获取与输入文件行号对应的DBIDs。您是否考虑过为您的用例编写自定义输出模块？
谢谢 Anony-Mouse。使用 FixedDBIDsFilter 解决了 ID 问题。你能告诉我如何增加输出聚集/噪声点的小数点（精度）吗？我希望它与输入的完全相似。
浮点是有损的，这些数字的精确格式因语言而异。 AFAICT，ELKI 只使用 Java 格式。没有选项可以说“使用与输入完全相同的数字写入”。这需要将原始数据存储为字符串。

标签： dbscan elki optics-algorithm

【解决方案1】：

ELKI 依赖于 double 来表示数字。如果您需要更高的精度，则必须实现自己的解析器和输出模块（不过这很容易，因为我们拥有高度模块化的架构）。

默认的文本输出序列化由 Java 处理。因此，精度是您默认从 Java 获得的。如果您使用的是DoubleVector，这应该是 15-16 位的精度，如果您使用的是FloatVector，则应该是 7-8 位的精度。

使用 groovysh 快速检查：

new DoubleVector([12345.678901234567890, 3456.109453] as double[]);
===> 12345.678901234567 3456.109453
new FloatVector([12345.678901234567890, 3456.109453] as float[]);
===> 12345.679 3456.1094

仅产生 double 和 float 精度的预期损失。

获取行标签的最佳方法是……将行标签添加到您的数据中。

写。对于 cmets 中的附加问题：默认解析器会将文件开头的文本行视为列标签。因此，只需将“X Y”放入文件的第一行即可。

因此，一个合理的输入格式将是：

X Y Label
1 2 Point7
3 4 "Point 8"

以下不是很好的想法：

5 6 123shouldwork
7 8 don't do this: 3 parser will retain the 3

标签应该是非数字的，这样解析器会自动将其视为标签。否则，您必须设置适当的参数。

DBID 用于内部处理。也许我们根本不应该将它们写入输出。 FixedDBIDFilter 是一种骇人听闻的解决方法；当使用需要基于 id 的哈希算法并在 MiniGUI 中进行多次运行时，它旨在用于获得可重现的哈希。因为在多次运行时，DBID 会不断被枚举。

【讨论】：

感谢您的详细解释。我还有一个疑问。如何以 jpeg 或任何其他图像格式保存可视化（绘图）。我尝试了导出选项，但图像的分辨率很差。
最好的导出格式是 SVG。然后你可以用inkscape编辑它，例如更改字体、颜色或标签位置。但如果选择像素格式，还可以设置图像分辨率。（对于 PDF 导出，还要添加 Batik pdf 导出罐子）不过；周围有更好的可视化工具。 ELKI 中的可视化是一种方便的功能。