如何利用预计算距离矩阵和min_sample进行DBSCAN聚类？

Question

我想对我的数据点执行DBSCAN，但是我没有访问数据的权限，我只有数据点的成对距离。此外，我不知道集群的数量，但我确实希望每个集群至少包含40个数据点。DBSCAN在这些条件下工作吗？例如，我能要这样的东西吗？还是需要更多的信息？我想强调的是，我已经计算了成对距离，这不是欧几里得或其他方法的结果。

from sklearn.cluster import DBSCAN

db = DBSCAN(min_samples=40, metric="precomputed")

y_db = db.fit_predict(my_pairwise_distance_matrix)

我不知道什么是eps参数的DBSCAN()。我该怎么设置呢？

Answer 1

DBSCAN不保证最小群集大小。有一些已知的情况。维基百科，一个集群可以有少于"minPts“点。此外，它还有噪音的概念:没有足够的邻居的点。

关于epsilon，也可以看维基百科的文章。由于您没有指定集群的数量，所以这个参数主要控制您得到的集群数量。把它设为0，一切都会很嘈杂。将其设置为最大距离，所有内容都将位于一个集群中。

真的读了那篇文章。它是关于密度的，而不是关于星团大小的。