我目前正在使用R语言实现DBSCAN算法来查找数据中的异常值。为了初始化参数（特别是epsilon），我需要绘制样本中到第k个邻居（我选择了k = 3）的距离的升序排序序列，并观察肘部位置以选择epsilon的正确值。
正如我所说，我使用的是R统计语言，我发现有两个不同的函数来计算到第k个邻居的距离，分别是nndist()和kNNdist()。如果我理解正确的话，默认情况下它使用欧几里得距离。然而，在我的数据中，这两个函数显示的结果并不相同。为了说明我的问题，我在著名的iris数据集上实现了这两个函数，你可以看到结果差异很大：
data(iris)iris <- as.matrix(iris[,1:4])distance_third_neighbour_iris = iris %>% nndist(k = 3)as.vector(quantile(distance_third_neighbour_iris, probs = 0.99))### 结果为0.68distance_third_neighbour_iris = iris %>% kNNdist(k = 3)as.vector(quantile(distance_third_neighbour_iris, probs = 0.99))### 结果为0.81显然，这两个函数默认情况下似乎没有使用相同的距离或计算方法。
回答：
你这里有几个问题：
-
当
nndist接受一个矩阵作为输入时，它假设它只是二维的。为了将iris数据集的四个列作为四维点接受，并触发nndist的多维版本——即nndist.ppx——你首先需要将iris转换为ppx点，像这样：ppx(iris) -
即使解决了第一个问题，结果仍然会不同。这是因为
kNNdist不仅仅产生到k=3邻居的距离，而是生成一个包含到k=3为止的所有距离（即k=1, k=2, 和k=3）的数据框的列。因此，当你试图仅获取k=3的值并希望将其与nndist的结果进行比较时，你应该仅使用第三列，像这样：distance_third_neighbour_iris_knndist[,3]
因此，你的代码应该修改为：
library(dbscan)library(spatstat)data(iris)iris <- as.matrix(iris[,1:4])distance_third_neighbour_iris_nndist = ppx(iris) %>% nndist(k = 3)as.vector(quantile(distance_third_neighbour_iris_nndist, probs = 0.99))### 结果为0.8776718distance_third_neighbour_iris_knndist = iris %>% kNNdist(k = 3)as.vector(quantile(distance_third_neighbour_iris_knndist[,3], probs = 0.99))### 结果为0.8776718