知识卡片
DBSCAN 的形状自由与代价
DBSCAN 用”密度连通”代替”到中心的距离”,换来的是对簇形状的解放。它的收益和代价都很明确:
收益 - 不需要指定簇数,簇的个数由数据密度自然决定。 - 结果没有偏倚:不像 K-Means 那样受初始中心影响。 - 聚类同时完成异常检测:落不进任何核心对象邻域的点被标为噪声,因此对异常点不敏感。 - 可对任意形状的稠密数据集聚类——原文明确指出 K-Means 一般只适用于凸数据集。 - 速度较快,可用于较大数据集。
代价 - 要求”密度大致均匀”。样本密度不均、簇间密度差异很大时,一个 ε 无法同时适配稀疏簇和稠密簇,聚类质量会明显下降。 - 调参更难:ε 与 MinPts 必须联合调,二者互相牵制(ε 放大等价于降低密度门槛,可以靠提高 MinPts 部分抵消)。 - 大数据时内存吃紧(要存距离关系),收敛也慢,需靠 KD 树一类结构缓解。
一句话总结适用面:簇是任意形状但密度相近、且含噪点的数据,选 DBSCAN;簇是凸的、规模相近的球形团,选 K-Means 更省事。若数据形状自由但密度差异很大,就该考虑谱聚类(见 [[谱聚类把聚类变成切图]])。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第12章 聚类
原书出处 · 1 处
- 第12章 聚类 12.4.2 小结 · 查看原书依据
(4)可以对任意形状的稠密数据集进行聚类(K-Means 聚类一般只适用于凸数据集)。
参考来源
- 位置:《机器学习基础:从入门到求职》第12章《第12章 聚类》(源文件:extracted/机器学习基础:从入门到求职/_epub-src/OEBPS/text00015.html)
- 结论依据:原文小结列出 DBSCAN 的五条优点(不需指定簇数、无偏倚、可发现异常点、适合任意形状稠密数据、速度较快)与三条缺点(密度不均时质量差、ε 与 MinPts 需联合调参、大数据内存与时间开销大)。
- 原始内容:(4)可以对任意形状的稠密数据集进行聚类(K-Means 聚类一般只适用于凸数据集)。……(1)如果样本集的密度不均匀,簇间距差相差很大时,聚类质量较差。