r - DBSCAN（基于密度的聚类）描述 eps 的度量单位

Question

我试图使用 R 中的 dbscan 包来尝试对一些空间数据进行聚类。 dbscan::dbscan 函数将 eps 和 minpts 作为输入。我有一个包含两列 longitude 和 latitude 的数据框，以十进制表示，如下所示：

df <- data.frame(lon = c(seq(1,5,1), seq(1,5,1)), 
                   lat = c(1.1,3.1,1.2,4.1,2.1,2.2,3.2,2.4,1.4,5.1))

然后我应用算法：

 db <- fpc::dbscan(df, eps = 1, MinPts = 2)

这里的eps 是用度还是其他单位定义的？我真的很想了解这个最大距离eps 值是用哪个单位表示的，因此不胜感激

Answer 1

永远不要使用fpc 包，始终使用dbscan::dbscan。

如果你有纬度和经度，你需要选择一个合适的距离函数，比如Haversine。

默认距离函数欧几里得忽略了地球的球形性质。那么 eps 值是纬度和经度的混合，但这些不对应于均匀的距离！赤道以东 1 度比温哥华以东 1 度远。

即便如此，您也需要注意单位。 Haversine 的一种实现可能会产生弧度，另一种可能会产生一米，当然疯狂的人会以英里为单位工作。

不幸的是，据我所知，没有一个 R 实现可以加速 Haversine 距离。因此，在 ELKI 中对数据进行聚类可能会快得多（不过，您需要自己添加索引）。

如果您的数据足够小，您可以在 R 中使用预先计算的距离矩阵（dist 对象）。但这需要 O(n²) 时间和内存，因此它的可扩展性不是很好。