如何使用 DBSCAN 找到集群的半径

Question

我是新手，想学习不同的 DIP 技术...所以，我想找出集群间的半径，我知道 DBSCAN 有两个参数 epsilon（集群内的半径）和 min_sample_points 和返回一些参数，例如完整性和同质性等，但它们都对我没有太大帮助，而且我也知道 DBSCAN 是一种部分集群算法，任何集群间的 centeriod 都不位于集群内，但就像我在image 我只想找出每个集群的半径，但我真的不知道如何。 python中是否有任何内置命令？

Answer 1

DBSCAN 不计算“半径”值。

epsilon 参数可以比您的集群小得多。

半径在您提出的几何模型中很容易。但是在更复杂的数据中，或者使用任意距离函数时，您可以做的比尝试将每个点都作为潜在中心做的很少。即便如此，这一点对于您的集群来说也可能是非典型的。

我猜你对“半径”的直觉最接近的匹配是找到最小化与所有其他集群成员的最大距离的点。我认为您将不得不尝试每一点。这个最小-最大距离就是你的半径。

但同样，这并不能保证具有噪声的非凸集群的良好代表点。所以“半径”可能同样具有误导性。