← 返回刚才阅读的位置

知识卡片

操作参考卡 · 9637.o · 生成模型:DeepSeek-V4.1-Flash

Iris的DBSCAN参数

理解等级:高级

同一份 iris 前四列交给 fpc 包的 dbscan:dbscan(c.data, eps=1.5, MinPts=30, scale=TRUE, showplot=TRUE, method=“raw”)。scale=TRUE 先标准化各维,否则量纲与方差不同的四个长度变量会让某一维主导邻域半径。输出显示 3 个噪声点、两个类分别含 49 与 98 个样本,类边缘的边界点各 6 与 1 个。即 DBSCAN 在标准化后的四维空间里只找到两个高密度团:setosa 独立成类,versicolor 与 virginica 因花瓣尺寸连续过渡而被密度连通合并,另有 3 个稀疏点被判为噪声。这既印证了它不需给 K、能识别噪声,也暴露局限:真实类数为 3 时,密度相连会把相邻两类连成一片;调 eps 与 MinPts 会得到不同类数,参数没有统一的选择准则。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第8章 聚类分析 · 查看原书依据

      DBSCAN聚类基于密度将样本分为两类。深浅两种颜色的三角形代表两个类别,第一类有49个样本点,第二类有98个,圆形代表类边缘的数据。

    参考来源

    - 位置:《大数据挖掘与统计机器学习》第8章 聚类分析(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter10_0005.xhtml,8.5.1 Iris数据) - 结论依据:原文给出 dbscan 调用参数(eps=1.5、MinPts=30、scale=TRUE)与输出表(3 个噪声、两类 49 与 98、边界点 6 与 1),并说明可调整 eps 与 MinPts 得到不同结果。 - 原始内容:DBSCAN聚类基于密度将样本分为两类。深浅两种颜色的三角形代表两个类别,第一类有49个样本点,第二类有98个,圆形代表类边缘的数据。