本文详细介绍了DBSCAN聚类算法中的关键参数eps和min_samples的作用及影响。eps定义了样本点之间的最大距离，决定了核心对象的邻域范围；min_samples则是形成高密度区域所需的最小样本数量。这两个参数对聚类结果的影响很大。
参考：https://www.cnblogs.com/pinard/p/6217852.html
1）eps： DBSCAN算法参数，即我们的ϵ-邻域的距离阈值，和样本距离超过ϵ的样本点不在ϵ-邻域内。默认值是0.5.一般需要通过在多组值里面选择一个合适的阈值。eps过大，则更多的点会落在核心对象的ϵ-邻域，此时我们的类别数可能会减少， 本来不应该是一类的样本也会被划为一类。反之则类别数可能会增大，本来是一类的样本却被划分开。两个样本之间的最大距离，即扫描半径
2）min_samples：形成高密度区域的最小点数。作为核心点的话邻域(即以其为圆心，eps为半径的圆，含圆上的点)中的最小样本数(包括点本身)。
eps对聚类结果影响很大
扫一扫
2666
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
