DBSCAN 使用空间和时间数据答案

【问题标题】：DBSCAN using spatial and temporal dataDBSCAN 使用空间和时间数据
【发布时间】：2015-08-16 16:03:33
【问题描述】：

我正在查看具有 lat、lng 和事件日期/时间的数据点。我在查看聚类算法时遇到的一种算法是 DBSCAN。虽然它在聚类 lat 和 lng 方面效果很好，但我担心它会在合并时间信息时分崩离析，因为它的规模或距离类型不同。

将时间数据合并到 DBSCAN 算法中有哪些选择？

【问题讨论】：

【解决方案1】：

tl;博士您将不得不修改您的功能集，即缩放您的日期/时间以匹配您的地理数据的大小。

DBSCAN 的输入只是一个向量，算法本身并不知道一个维度（时间）比另一个维度（距离）大或小几个数量级。因此，在计算数据点的密度时，缩放的差异会搞砸。

现在我想您可以修改算法本身以区别对待不同的维度。这可以通过更改两点之间“距离”的定义来完成，即提供您自己的距离函数，而不是使用默认的欧几里得距离。

恕我直言，不过，更简单的做法是缩放一个维度以匹配另一个维度。只需将您的时间值乘以一个固定的线性因子，使它们与地理值处于同一数量级，您就可以开始了。

更一般地说，这是特征选择过程的一部分，可以说是解决任何机器学习算法的最重要部分。选择正确的特征，并正确地转换它们，你就成功了一半以上。

【讨论】：

DBSCAN 不需要向量形式的数据。
@Anony-Mousse 你是什么意思？否则您将如何表示数据？
矩阵、张量、非结构化文本（不在 tf-idf VSM 中）。 DBSCAN 的输入数据没有限制。
@Anony-Mousse 谢谢。我一直认为 DBSCAN 计算 n 维空间中点的密度，因此只接受向量。您是否有任何将非结构化文本作为输入的示例？代码，文件等？这就是我自己使用 DBSCAN 的目的。
也许在我对这个问题的回答中的参考资料中。

【解决方案2】：

查找同一作者的 Generalized DBSCAN。

桑德，约尔格；酯，马丁；克里格尔，汉斯-彼得；徐小伟（1998）。 空间数据库中基于密度的聚类：GDBSCAN 算法及其应用。数据挖掘和知识发现（柏林：Springer-Verlag）2（2）：169–194。 doi:10.1023/A:1009745219419.

对于（广义）DBSCAN，您需要两个函数：

然后你可以反复寻找邻居来增长集群。

功能 1 是您想要挂钩的地方，例如通过使用两个阈值：一个是地理阈值，一个是时间阈值（即 100 英里内和 1 小时内）。

【讨论】：

ST-DBSCAN 是另一种似乎能够处理时间数据的算法。看起来它以类似的方式工作（设置两个阈值）。
我的问题也与上述类似，我的数据集包括 GPS 坐标，并且每个纬度/经度值都带有时间戳。 ELKI 中有五个邻域函数（当我选择 GDBScan 时）：EpsilonNeighborPredicate、COPACNeighborPredicate、ERiCNeighborPredicate、FourCNeighborPredicate、PreDeConNeighborPredicate。但我不确定使用哪一个。有什么建议吗？
定义你自己的，适应位置为你想适应位置，适应时间你想适应时间.h跨度>
我想知道数据的缩放（或标准化），包括将时间转换为“自 X 以来的秒数”向量是否应该能够正确执行此操作？
这更有意义并且是可用的并且是直截了当且易于定义两个阈值：最多 10 英里以外 和最多相隔 1 天。而不是通过缩放将事物混入欧几里得空间，最终得到像a * distance^2 + b * timedelta^2 < 100^2 这样的逻辑。