DBSCAN 和边界点
DBSCAN and border points
据说DBSCAN在边界点上不一致，取决于它首先将点分配给哪个集群。
当 DBSCAN 想要将边界点分配给其中一个集群时，它是否考虑了每个集群中边界点接近 (eps) 的点数？
在这很重要的情况下，对于两个聚类，每个聚类的点数通常为 1。
更好的决胜局将是距离，但即便如此也可能有平局。
这是一个微不足道的修改，很容易在 post 中实现-处理：对于每个边界点，找到最近的核心点，并使用该标签。
但是，这重要吗？
集群从来都不是完美的。我们在这里讨论的是一种罕见的情况，其中 "best"（对于 "best" 的一个相当特别的定义，基于两个硬阈值）赋值 通常会产生 0.000 的差异 到最终结果。
如果我没记错的话，DBSCAN作者建议你也可以将这些点分配给两个集群。据推测，这是最符合定义的解决方案（边界点 是 可从两个集群到达）。但这使一切变得更加复杂。因为许多用户希望每个点在一个漂亮的数字列中有 一个 标签，而不必处理这种特殊情况。
有点晚了，但仍然是：首先，边界点本身必须是核心点，因为在它的 epsilon 邻域中必须至少有一个进一步的对象，从那里它是直接密度可达的。否则它不会连接到集群。
根据定义，DBSCAN 结果是确定性的 w.r.t。核心点和噪声点而不是 w.r.t 边界点，因此：如果边界点的密度可以从两个集群到达，它实际上取决于处理或您的实现，它将被分配到哪个集群。
据说DBSCAN在边界点上不一致，取决于它首先将点分配给哪个集群。 当 DBSCAN 想要将边界点分配给其中一个集群时，它是否考虑了每个集群中边界点接近 (eps) 的点数？
在这很重要的情况下，对于两个聚类，每个聚类的点数通常为 1。
更好的决胜局将是距离，但即便如此也可能有平局。
这是一个微不足道的修改，很容易在 post 中实现-处理：对于每个边界点，找到最近的核心点，并使用该标签。
但是，这重要吗？
集群从来都不是完美的。我们在这里讨论的是一种罕见的情况，其中 "best"（对于 "best" 的一个相当特别的定义，基于两个硬阈值）赋值 通常会产生 0.000 的差异 到最终结果。
如果我没记错的话，DBSCAN作者建议你也可以将这些点分配给两个集群。据推测，这是最符合定义的解决方案（边界点 是 可从两个集群到达）。但这使一切变得更加复杂。因为许多用户希望每个点在一个漂亮的数字列中有 一个 标签，而不必处理这种特殊情况。
有点晚了，但仍然是：首先，边界点本身必须是核心点，因为在它的 epsilon 邻域中必须至少有一个进一步的对象，从那里它是直接密度可达的。否则它不会连接到集群。
根据定义，DBSCAN 结果是确定性的 w.r.t。核心点和噪声点而不是 w.r.t 边界点，因此：如果边界点的密度可以从两个集群到达，它实际上取决于处理或您的实现，它将被分配到哪个集群。