如何通过绘制 KNN 弯头来确定 DBSCAN 的最佳 epsilon 值（以米为单位）

Question

在执行 DBSCAN 之前，我需要找到最佳的 epsilon 值，所有点都是地理坐标，我需要以米为单位的 epsilon 值，然后再将其转换为弧度以使用半正弦指标应用 DBSCAN

from sklearn.neighbors import NearestNeighbors
neigh = NearestNeighbors(n_neighbors=4)
nbrs = neigh.fit(firms[['y', 'x']])
distances, indices = nbrs.kneighbors(firms[['y', 'x']])

然后

# Plotting K-distance Graph
distances = np.sort(distances, axis=0)
distances = distances[:,1]
plt.figure(figsize=(20,10))
plt.plot(distances)
plt.title('K-distance Graph',fontsize=20)
plt.xlabel('Data Points sorted by distance',fontsize=14)
plt.ylabel('Epsilon',fontsize=14)
plt.show()

图形输出是这样的，但我需要以米为单位的 epsilon 值。

Answer 1

我希望这有助于澄清，只是一些观察：

a) 您已经找到最佳 epsilon 值，使用该方法并从您的图中 eps = 0.005。

b) 如果您的点是地理坐标，则在转换之前不需要以米为单位的 epsilon 值，然后仅转换为弧度，因此您可以使用半正弦度量应用 DBSCAN，因为您可以从地理坐标直接转换以弧度为单位，然后乘以 6371000/1000 得到以千米为单位的结果，如下所示：

from sklearn.metrics.pairwise import haversine_distances
from math import radians
bsas = [-34.83333, -58.5166646]
paris = [49.0083899664, 2.53844117956]
bsas_in_radians = [radians(_) for _ in bsas]
paris_in_radians = [radians(_) for _ in paris]
result = haversine_distances([bsas_in_radians, paris_in_radians])
result * 6371000/1000  # multiply by Earth radius to get kilometers

代码片段来自：

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.pairwise.haversine_distances.html

如何通过绘制 KNN 弯头来确定 DBSCAN 的最佳 epsilon 值（以米为单位）

How determine optimal epsilon value in meters for DBSCAN by plotting KNN elbow

nearest-neighbor

epsilon

knn

haversine

dbscan