sklearn DBSCAN 中的多个 eps 值
Multiple eps values in sklearn DBSCAN
我想使用 sklearn 中的 DBSCAN 实现。它们允许您使用自定义距离度量，但只能使用一个 eps 值。
我想要的是：
假设我的点每个有 3 个特征，因此每个点都可以被视为 p=np.array([p1,p2,p3]) 形式的 numpy 数组。如果 np.abs(p1-q1) < eps1 和 np.abs(p2-q2) < eps2 和 np.abs(p3-q3) < eps3 两个点 p 和 q 是邻居。通常，人们会使用 d(p,q)<eps，其中 d(,) 是一个指标，eps 是一个阈值。
有没有办法将我的需求轻松实现到 sklearn 中？
可以适当缩放，然后使用最大范数。
p = p * [1/eps1, 1/eps2, 1/eps3]
c = sklearn.cluster.DBSCAN(eps=1, metric="chebyshev", ...)
请注意，DBSCAN 使用 <= 而不是 <。
或者您预先计算一个二进制 "distance" 矩阵，如果满足三个条件，则距离为 0，否则为 1。但这需要 O(n²) 内存。
我想使用 sklearn 中的 DBSCAN 实现。它们允许您使用自定义距离度量，但只能使用一个 eps 值。
我想要的是：
假设我的点每个有 3 个特征，因此每个点都可以被视为 p=np.array([p1,p2,p3]) 形式的 numpy 数组。如果 np.abs(p1-q1) < eps1 和 np.abs(p2-q2) < eps2 和 np.abs(p3-q3) < eps3 两个点 p 和 q 是邻居。通常，人们会使用 d(p,q)<eps，其中 d(,) 是一个指标，eps 是一个阈值。
有没有办法将我的需求轻松实现到 sklearn 中？
可以适当缩放，然后使用最大范数。
p = p * [1/eps1, 1/eps2, 1/eps3]
c = sklearn.cluster.DBSCAN(eps=1, metric="chebyshev", ...)
请注意，DBSCAN 使用 <= 而不是 <。
或者您预先计算一个二进制 "distance" 矩阵，如果满足三个条件，则距离为 0，否则为 1。但这需要 O(n²) 内存。