我正在使用dbscan::dbscan方法来按位置和密度对我的数据进行聚类。

我的数据看起来像这样：

str(data)'data.frame': 4872 obs. of 3 variables: $ price    : num ... $ lat      : num ... $ lng      : num ...

现在我正在使用以下代码：

EPS = 7cluster.dbscan <- dbscan(data, eps = EPS, minPts = 30, borderPoints = T, search = "kdtree")plot(lat ~ lng, data = data, col = cluster.dbscan$cluster + 1L, pch = 20)

但结果并不令人满意，点并没有真正被聚类。

我希望聚类能被清晰地定义，就像这样：

我也尝试使用决策树分类器tree:tree，效果更好，但我不确定这是否真的是一个好的分类方法。

文件：

http://www.file-upload.net/download-11246655/file.csv.html

问题：

• 是否有可能达到我想要的结果？
• 我使用的方法是否正确？
• 我是否应该更多地调整参数？如果是，哪些参数？

回答：

这是使用相对较新的HDBSCAN*算法进行的仔细的基于密度的聚类的结果输出。

使用的是Haversine距离，而不是欧几里得距离！

它识别了大约50个左右的区域，这些区域的密度显著高于其周围环境。在这个图中，一些聚类看起来只有3个元素，但实际上它们包含了更多元素。

最外围的区域，这些是噪声点，它们完全不属于任何聚类！

（使用的参数：-verbose -dbc.in file.csv -parser.labelIndices 0,1 -algorithm clustering.hierarchical.extraction.HDBSCANHierarchyExtraction -algorithm SLINKHDBSCANLinearMemory -algorithm.distancefunction geo.LatLngDistanceFunction -hdbscan.minPts 20 -hdbscan.minclsize 20）

OPTICS是另一种基于密度的算法，以下是它的结果：

同样，我们有一个“噪声”区域，红点完全不密集。

使用的参数：-verbose -dbc.in file.csv -parser.labelIndices 0,1 -algorithm clustering.optics.OPTICSXi -opticsxi.xi 0.1 -algorithm.distancefunction geo.LatLngDistanceFunction -optics.minpts 25

这个数据集的OPTICS图看起来像这样：

你可以看到有许多小山谷对应于聚类。但这里没有“大的”结构。

你可能正在寻找像这样的结果：

但实际上，这是一种毫无意义且相当随机的将数据分成大块的方法。当然，它最小化了方差；但它完全不关心数据的结构。一个聚类内的点通常比不同聚类中的点有更少的共同点。只要看看红色、橙色和紫色聚类之间的边界点就知道了。

最后但同样重要的是，老前辈：使用完全连接的层次聚类：

以及树状图：

（使用的参数：-verbose -dbc.in file.csv -parser.labelIndices 0,1 -algorithm clustering.hierarchical.extraction.SimplifiedHierarchyExtraction -algorithm AnderbergHierarchicalClustering -algorithm.distancefunction geo.LatLngDistanceFunction -hierarchical.linkage CompleteLinkageMethod -hdbscan.minclsize 50）

效果还不错。完全连接法在这种数据上也表现得相当好。但你可以合并或拆分这些聚类中的任何一个。