这是 DBSCAN 算法的预期行为吗（两个相同的数据样本不适合同一个集群）？
Is this the expected behavior of the DBSCAN algorithm (two identical data samples not fitting in the same cluster)?
请原谅缺少正式条款，我最近才接触 ML。
出于学习目的，我决定尝试 Ruby 实施 DBSCAN 算法 (https://github.com/matiasinsaurralde/dbscan)。
基于 https://github.com/matiasinsaurralde/dbscan/blob/master/examples/simple.rb 中的简单示例，我创建了一个包含 1000 个数组的数组，每个数组包含两个随机值，"x" 和 "y"（一个二维点）并且我已经然后将这些数据提供给 DBSCAN 算法（根据需要调整 "epsilon" 和 "minimum distance"）。
data_sample = Array.new(1000) { Array.new(2) { rand(100).round } }
dbscan = DBSCAN( data_sample, :epsilon => 3, :min_points => 2, :distance => :euclidean_distance )
然后我将生成的数据（集群和非集群数据）导出到 Excel，以绘制集群和非集群数据的图表。
这是我想出的：
黑点是非聚类数据。
现在有一件事我不确定：对于一些彼此非常接近的点，或者共享相同精确 x 和 y 的点，我看到的是这两个点之一，而不是将其变成另一个点的正常集群被归类为非集群。
看看点 47、74：属于簇的点是 "above" 另一个未簇的点。这也发生在 14、87、77,64、20,61 和许多其他地方（对于某些点，它们具有相同的 x 和 y）。
正如我所说，我仍在处理这个问题，所以有人可以告诉我是否可以解释我所看到的情况吗？它与 DBSCAN 算法的内部工作原理有关吗？或者更可能是算法的实现出现了一些错误？还是我做出了一些错误的假设？
我希望这就是您需要知道的全部内容，但如果您需要更多信息，请尽管询问。
所以里面其实有两个问题：
- 有没有可能两个非常接近的点有不同的标记？特别是 "unclustered"?
是的，这是可能的并且直接来自 dbscan 方法，该方法特别需要一个点具有给定数量的近邻，以便被分类为 "unclustered"[=10 以外的任何东西=]
- 有没有可能完全相同位置的两个点最终在两个不同的集群中？
不，这是不可能的。因此，要么这些点不相同（也许您正在比较它们的舍入表示，而不是真实的？），要么实现有错误。
DBSCAN 标记点的一些相当明显的特性：
- 核心 点的邻居必须与核心点具有相同的标签（先前已分配给不同集群的边界点除外）
- 非核心点的相邻点可以有不同的标签，但至少有一个必须是同一标签的核心点
- 噪声点的邻居不能是核心点
数字2表示非核心点可以任意接近，并且有不同的标签。
从技术上讲，同一坐标的两个点甚至有可能具有不同的标签，如果这些点都是边界点。但这可能只会发生在并行变体中，我不知道这实际上会发生在哪里。通常的 DBSCAN 算法会给它们分配相同的标签（在第一次发现时）。
边界点会导致奇怪的异常，这就是作者在 HDBSCAN* 中删除它们的原因。
请原谅缺少正式条款，我最近才接触 ML。
出于学习目的，我决定尝试 Ruby 实施 DBSCAN 算法 (https://github.com/matiasinsaurralde/dbscan)。
基于 https://github.com/matiasinsaurralde/dbscan/blob/master/examples/simple.rb 中的简单示例，我创建了一个包含 1000 个数组的数组，每个数组包含两个随机值，"x" 和 "y"（一个二维点）并且我已经然后将这些数据提供给 DBSCAN 算法（根据需要调整 "epsilon" 和 "minimum distance"）。
data_sample = Array.new(1000) { Array.new(2) { rand(100).round } }
dbscan = DBSCAN( data_sample, :epsilon => 3, :min_points => 2, :distance => :euclidean_distance )
然后我将生成的数据（集群和非集群数据）导出到 Excel，以绘制集群和非集群数据的图表。
这是我想出的：
现在有一件事我不确定：对于一些彼此非常接近的点，或者共享相同精确 x 和 y 的点，我看到的是这两个点之一，而不是将其变成另一个点的正常集群被归类为非集群。
看看点 47、74：属于簇的点是 "above" 另一个未簇的点。这也发生在 14、87、77,64、20,61 和许多其他地方（对于某些点，它们具有相同的 x 和 y）。
正如我所说，我仍在处理这个问题，所以有人可以告诉我是否可以解释我所看到的情况吗？它与 DBSCAN 算法的内部工作原理有关吗？或者更可能是算法的实现出现了一些错误？还是我做出了一些错误的假设？
我希望这就是您需要知道的全部内容，但如果您需要更多信息，请尽管询问。
所以里面其实有两个问题：
- 有没有可能两个非常接近的点有不同的标记？特别是 "unclustered"?
是的，这是可能的并且直接来自 dbscan 方法，该方法特别需要一个点具有给定数量的近邻，以便被分类为 "unclustered"[=10 以外的任何东西=]
- 有没有可能完全相同位置的两个点最终在两个不同的集群中？
不，这是不可能的。因此，要么这些点不相同（也许您正在比较它们的舍入表示，而不是真实的？），要么实现有错误。
DBSCAN 标记点的一些相当明显的特性：
- 核心 点的邻居必须与核心点具有相同的标签（先前已分配给不同集群的边界点除外）
- 非核心点的相邻点可以有不同的标签，但至少有一个必须是同一标签的核心点
- 噪声点的邻居不能是核心点
数字2表示非核心点可以任意接近，并且有不同的标签。
从技术上讲，同一坐标的两个点甚至有可能具有不同的标签，如果这些点都是边界点。但这可能只会发生在并行变体中，我不知道这实际上会发生在哪里。通常的 DBSCAN 算法会给它们分配相同的标签（在第一次发现时）。
边界点会导致奇怪的异常，这就是作者在 HDBSCAN* 中删除它们的原因。