对于 DBSCAN python，是否必须同时进行标准化和规范化？

Question

对于 DBSCAN 实现，是否需要将所有特征列标准化和标准化？

例如

[[ 664.      ,  703.      , 2901.069079],  
[ 632.      ,  717.      , 2901.069079],  
[ 606.      ,  740.      , 4386.449399],    
[ 635.      ,  751.      , 4386.449399],   
[ 672.      ,  525.      , 4760.874001]]

如果我必须对此进行 DBSCAN，是否必须先对其进行标准化，然后对其进行标准化？只是标准化它？

此外，这些值如何决定 eps 的选择？

Answer 1

规范化或标准化您的数据可能破坏数据集的重要属性。

一些例子：

• 您的数据是地理坐标。绝对不能将纬度和经度标准化或标准化
• 您的数据是直方图。唯一有意义的归一化是使直方图的总和为 1。永远不要变换单个变量！
• 您的数据有一个有意义的零。例如，它是货币价值。不过，使用 sgn(x)*sqrt(abs(x)) 进行转换在某些领域可能会有所帮助。
• 您的数据稀疏。永远不要标准化。 （如果没有负值，归一化可能是“好的”。）

不应该选择缩放比例“因为它总是完成”；但是由于您拥有的实际数据！选择它是因为它是正确的，而不是因为它是“默认”或在某些教程中。

如果您求助于标准化或标准化，很可能您不了解您的数据，也不了解如何测量距离或相似性；然后人们喜欢使用规范化作为最后的手段来获得“一些”结果；但你永远不知道结果是否有意义。