sklearn DBSCAN 将 GPS 位置与大 epsilon 聚类

Question

我想使用 sklearn 中的 DBSCAN 从我的 GPS 位置查找集群。我不明白为什么坐标 [ 18.28, 57.63] （图中右下角）和左边的其他坐标一起聚集在一起。大 epsilon 会不会有什么问题？ sklearn 版本 0.19.0。 要重现此内容： 我从这里复制了演示代码：http://scikit-learn.org/stable/auto_examples/cluster/plot_dbscan.html but I replaced the sample data with a few coordinates (see variable X in the code below). I got the inspiration from here: http://geoffboeing.com/2014/08/clustering-to-reduce-spatial-data-set-size/

import numpy as np

from sklearn.cluster import DBSCAN
from sklearn import metrics
from sklearn.datasets.samples_generator import make_blobs
from sklearn.preprocessing import StandardScaler


# #############################################################################
# Generate sample data

X = np.array([[ 11.95,  57.70],
       [ 16.28,  57.63],
       [ 16.27,  57.63],
       [ 16.28,  57.66],
       [ 11.95,  57.63],
       [ 12.95,  57.63],
       [ 18.28,  57.63],
       [ 11.97,  57.70]])

# #############################################################################
# Compute DBSCAN
kms_per_radian = 6371.0088
epsilon = 400 / kms_per_radian
db = DBSCAN(eps=epsilon, min_samples=2, algorithm='ball_tree', metric='haversine').fit(X)
core_samples_mask = np.zeros_like(db.labels_, dtype=bool)
core_samples_mask[db.core_sample_indices_] = True
labels = db.labels_

# Number of clusters in labels, ignoring noise if present.
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)

print('Estimated number of clusters: %d' % n_clusters_)

# #############################################################################
# Plot result
import matplotlib.pyplot as plt

# Black removed and is used for noise instead.
unique_labels = set(labels)
colors = [plt.cm.Spectral(each)
          for each in np.linspace(0, 1, len(unique_labels))]
for k, col in zip(unique_labels, colors):
    if k == -1:
        # Black used for noise.
        col = [0, 0, 0, 1]

    class_member_mask = (labels == k)

    xy = X[class_member_mask & core_samples_mask]
    plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col),
             markeredgecolor='k', markersize=14)

    xy = X[class_member_mask & ~core_samples_mask]
    plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col),
             markeredgecolor='k', markersize=6)

plt.title('Estimated number of clusters: %d' % n_clusters_)
plt.show()

Answer 1

haversine 指标需要弧度数据

Answer 2

我最近犯了同样的错误（使用 hdbscan），这是一些 'strange' 结果的原因。例如，same 点有时会包含在一个簇中，有时会被标记为噪声点。 "How can this be?"，我一直在想。原来是因为我是直接传lat/lon，没有先转成弧度

OP 的自供答案是正确的，但缺少细节。当然，可以将 lat/lon 值乘以 π/180，但是——如果您已经在使用 numpy——最简单的解决方法是更改原始代码中的这一行：

db = DBSCAN(eps=epsilon, ... metric='haversine').fit(X)

至：

db = DBSCAN(eps=epsilon, ... metric='haversine').fit(np.radians(X))

sklearn DBSCAN 将 GPS 位置与大 epsilon 聚类

sklearn DBSCAN to cluster GPS positions with big epsilon

python

gps

cluster-analysis

dbscan

scikit-learn