sklearn DBSCAN將具有大epsilon的GPS位置聚類

Question

我想使用sklearn中的DBSCAN從我的GPS位置中找到簇。 我不明白為什么坐標[18.28，57.63]（圖中的右下角）與其他坐標一起聚集在左側。 大epsilon可能有問題嗎？ sklearn版本0.19.0。 要重現此內容：我從此處復制了演示代碼： http : //scikit-learn.org/stable/auto_examples/cluster/plot_dbscan.html，但我將示例數據替換為一些坐標（請參見下面的代碼中的變量X）。 我從這里得到了靈感： 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指標需要弧度數據

Answer 2

我最近犯了同樣的錯誤（使用hdbscan ），這是某些“奇怪”結果的原因。 例如， 同一點有時會包含在群集中，有時會標記為噪聲點。 “這怎么可能 ？”，我一直在想。 原來是因為我直接通過緯度/經度，而不是先不轉換為弧度。

OP的自我提供的答案是正確的，但細節不足。 當然，可以將lat / lon值乘以π/ 180，但是-如果您已經在使用numpy ，則最簡單的解決方法是在原始代碼中更改此行：

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

至：

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