在DBSCAN中，eps实际代表什么？

Question

假设我已经找到所有密度的 eps 。我从这里应用了这种方法https://www.google.com/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF-8#q=systemtimer%20gem

如果您不介意，请打开第5页，查看“建议的算法”部分。在步骤10.1，该文件告诉我们计算 eps-neighborhood 中的对象数量。

eps 实际代表什么？画圆圈的半径是对的吗？那么，为什么半径如此之小，小于两个物体之间的距离？如果是这样，MinPts将永远为0。

Answer 1

是的，如果与欧几里德距离一起使用，则它是半径。

它不是无限小（它不倾向于0 ）。与数据集扩展相比，它应该是小的，但作者可能会将其命名为“r”。

使用原始论文来理解算法，而不是一些印度期刊的变体。

Answer 2

在欧氏距离中，它是半径。选择Eps有点困难。

该问题与模型选择有关，即选择特定模型及其相应的参数化。在k-means（需要用户使用簇的数量作为输入）的情况下，文献中有大量的测量可以帮助选择最佳数量的簇，例如：silhouette，c-index ，dunn，davies-bouldin。这些措施就是所谓的相对有效性标准。

对于基于密度的聚类算法，也有一些措施，例如：CDbw和DBCV。